R語言時間序列TAR閾值自迴歸模型

原文連接： http://tecdat.cn/?p=5231

爲了方便起見，這些模型一般簡稱爲TAR模型。這些模型捕捉線性時間序列模型沒法捕獲的行爲，如極限循環，幅度相關頻率和跳躍現象。

數據示例

TAR模型經過抑制噪聲項和截距並將閾值設置爲0來得到：

​

​

模型估計

一種方法和這裏討論的方法是條件最小二乘（CLS）方法。

狀況1.若是r和d都是已知的。

狀況2.若是r未知。

​

最小AIC（MAIC）方法

因爲實際上兩種制度的AR指令是未知的，所以須要一種方法來估計這些指標。對於TAR模型，AIC成爲

而後經過最小化AIC受試者在必定時間間隔內搜索閾值參數來估計參數，使得任何方案具備足夠的估計數據。

非線性測試

使用滯後迴歸圖進行檢查。

擬合的迴歸曲線不夠直，代表可能存在非線性關係。

​

模型診斷

模型診斷使用殘差分析完成。

​

預測

預測分佈一般是非正常的和棘手的。一般，採用模擬方法進行預測。

​