はじめに
第1部　時系列分析（解説編）1
第1章　時系列分析とは
1.1　時系列分析とは何か
1.2　時系列データの4 つの基本パターン（変動要因）
1.2.1　時系列データの4 つの変動要因
1.2.2　時系列データの組み合わせモデル
1.3　時系列グラフの描き方
1.4　季節調整
1.4.1　12 ヶ月移動平均
1.5　本書で紹介する時系列分析手法
まとめ
第2章　単回帰分析
2.1　1次式による近似
2.1.1　単回帰分析
2.1.2　相関係数
2.2　対数近似
2.3　べき乗近似
2.4　指数近似
まとめ
第3章　重回帰分析
3.1　重回帰分析
3.1.1　最適な回帰式を求める手順
3.1.2　時系列データを対象とした重回帰分析の例
3.2　2次式による近似
3.3　多項式による近似
3.4　自己回帰モデル
3.5　数量化理論I類
まとめ
「分析ツール」の読み込み方法
第4章　成長曲線
4.1　成長曲線とは
4.2　ソルバーの活用
4.3　ロジスティック曲線
4.4　ゴンペルツ曲線
4.5　遅れS 字曲線（遅延S 字型モデル
まとめ
第5章　従来の予測手法
5.1　差の平均法（差分法）
5.1.1　差の平均法とは
5.1.2　実際のデータをExcel で予測する
5.2　指数平滑法
5.2.1　指数平滑法とは
5.2.2　実際のデータをExcel で予測する
5.2.3　α 値について
5.3　ブラウン法
5.3.1　ブラウン法とは
5.3.2　実際のデータをExcel で予測する
5.3.3　最適なα値の求め方
5.3.4　ブラウン法が不得意とするデータ
5.3.5　百貨店の売上高の予測事例
5.4　移動平均法
5.4.1　移動平均法による予測とは
5.4.2　実際のデータをExcel を使用して移動平均法で予測値を求める
5.4.3　Excel のグラフ機能を用いて移動平均線を求める
まとめ
第6章　最近隣法
6.1　最近隣法とは
6.2　実際のデータを最近隣法で予測する
6.3　予測算出における工夫―黄金比の利用―
6.4　Excel で作る最近隣法計算シート
6.5　最近隣法が適応しにくいケース
まとめ
第7章　灰色理論
7.1　灰色理論とは
7.2　実際のデータをExcelで予測する
7.3　行列計算によって回帰分析を実施する方法
7.4　灰色理論が適応しにくいケース
まとめ
第2部　具体的データによる予測事例
第8章　単回帰分析による予測
8.1　手法の整理
8.1.1　Excelの散布図から近似直線と共に単回帰式を求める
8.1.2　Excel の分析ツールの「回帰分析」を利用する
8.1.3　Excel の回帰分析関数を利用する
8.1.4　Excel の計算シートを作成する
8.1.5　対数近似、べき乗近似、指数近似での変数変換
8.2　単回帰分析による予測事例
8.2.1　道路の面積データの予測事例
8.2.2　チラシ・ダイレクトメール売上高データの予測事例
まとめ
第9章　重回帰分析による予測.
9.1　手法の整理
9.1.1　重回帰分析を利用した近似手法
9.1.2　変数選択の手順
9.1.3　Excel の散布図で多項式近似を実施する
9.1.4　LINEST 関数を利用した重回帰分析
9.2　重回帰分析による予測事例
9.2.1　多項式近似による予測事例（1）
9.2.2　多項式近似による予測事例（2）
9.2.3　重回帰分析と数量化理論I 類を混合した予測事例
9.2.4　自己回帰モデルを利用した予測事例.
まとめ
第10章　成長曲線による予測
10.1　プログラムのバグ累計の予測事例
10.2　セミナーの受講申込数の予測事例
まとめ
第11章　最近隣法による予測
11.1　市場の需要額の予測事例
11.2　商品A の販売点数の予測事例
まとめ
第12章　灰色理論による予測
12.1　ショッピングセンターのテナント賃料の予測事例
12.2　ある量販店の来期の売上予測事例
まとめ
第13章　予測精度を上げるために
13.1　相似法
13.1.1　相似法とは
13.1.2　実際のデータを相似法で予測する
13.2　分解法
13.2.1　分解法とは
13.2.2　実際のデータを分解法で予測する
13.2.3　分散分析による統計的判断.
13.2.4　回帰分析を実行して予測値を求める
13.3　最適適応法
13.3.1　最適適応法とは
13.3.2　実際のデータを最適適応法で予測する
13.3.3　予測手法の最終評価
まとめ
あとがき―上田太一郎氏を偲んで―
索　引