首页 > 其他分享 >拓端tecdat|R语言代写时间序列TAR阈值模型分析 2

拓端tecdat|R语言代写时间序列TAR阈值模型分析 2

时间:2022-11-10 23:33:55浏览次数:54  
标签:TAR 模型 tecdat &# role 拓端 presentation yt

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:

拓端tecdat|R语言代写时间序列TAR阈值模型分析 2_数据

拓端tecdat|R语言代写时间序列TAR阈值模型分析 2_数据_02

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。

在这种情况下,您可以根据Yt−d≤r" role="presentation">Y是否将数据分为两部分Yt−d≤r" role="presentation">t - d≤ [RÿŤ - d≤[R 然后执行OLS来估计每个线性子模型的参数。

情况2.如果r未知。

搜索一系列r" role="presentation">r值r" role="presentation">[R它必须介于时间序列的最小值和最大值之间,以保证系列实际跨越阈值。然后排除搜索值中最高和最低值的10%

为不同的r=yt" role="presentation">rr=yt" role="presentation">=r=yt" role="presentation">y值估算一个TAR模型r=yt" role="presentation">Ť[R=ÿŤ 在这个限制带内。选择r" role="presentation">r的值r" role="presentation">[R 导致相应回归模型的最小残差平方和。

拓端tecdat|R语言代写时间序列TAR阈值模型分析 2_数据_03

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,对于固定r" role="presentation">rr" role="presentation">[R和d" role="presentation">dd" role="presentation">d,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。

拓端tecdat|R语言代写时间序列TAR阈值模型分析 2_数据_04

模型诊断

模型诊断使用残差分析完成。

拓端tecdat|R语言代写时间序列TAR阈值模型分析 2_搜索_05

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。

拓端tecdat|R语言代写时间序列TAR阈值模型分析 2_数据_06

标签:TAR,模型,tecdat,&#,role,拓端,presentation,yt
From: https://blog.51cto.com/u_14293657/5842349

相关文章