R语言时间序列TAR阈值自回归模型

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。

​