Robust Tidsserieanalyse
Robust tidsserieanalyse tilpasser autoregressive, glidende gennemsnit og ARIMA-modeller til serier, der indeholder outliers eller strukturelle brud, ved hjælp af M-estimering eller MM-estimering i stedet for mindste kvadraters metode, så få anomale observationer ikke forvrænger tilpasningen. Den følger den robuste statistiktradition, der er konsolideret i Maronna, Martin, Yohai og Salibián-Barrera (2019).
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. ISBN: 978-1119214687
- Peña, D., & Guttman, I. (1988). A Bayesian Approach for Predicting with Outliers. Journal of the American Statistical Association. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/da/statistics/robust-time-series
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Analyse af brudpunktStatistik↔ compare
- Median Absolut Afvigelse (MAD) EstimeringStatistik↔ compare
- Almindelig mindste kvadraters metode (OLS) regressionØkonometri↔ compare
- Robust lineære blandede effekter-modelStatistik↔ compare
- Sn og Qn Robuste Skøn for Skala (Spredning)Statistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →