R语言时间序列TAR阈值自回归模型

47次阅读

共计 384 个字符,预计需要花费 1 分钟才能阅读完成。

原文链接:http://tecdat.cn/?p=5231

为了方便起见,这些模型通常简称为 TAR 模型。这些模型捕捉线性时间序列模型无法捕获的行为,如极限循环,幅度相关频率和跳跃现象。

数据示例

TAR 模型通过抑制噪声项和截距并将阈值设置为 0 来获得:

模型估计

一种方法和这里讨论的方法是条件最小二乘(CLS)方法。

情况 1. 如果 r 和 d 都是已知的。

情况 2. 如果 r 未知。

最小 AIC(MAIC)方法

由于实际上两种制度的 AR 指令是未知的,因此需要一种方法来估计这些指标。对于 TAR 模型,AIC 成为

然后通过最小化 AIC 受试者在一定时间间隔内搜索阈值参数来估计参数,使得任何方案具有足够的估计数据。

非线性测试

使用滞后回归图进行检查。

拟合的回归曲线不够直,表明可能存在非线性关系。

模型诊断

模型诊断使用残差分析完成。

预测

预测分布通常是非正常的和棘手的。通常,采用模拟方法进行预测。

正文完
 0