ScholarGate
دستیار
Regression modelEconometrics / time series

مدل خودرگرسیون میانگین متحرک غیرخطی (NARMA)

مدل خودرگرسیون میانگین متحرک غیرخطی (NARMA) چارچوب کلاسیک خودرگرسیون میانگین متحرک خطی را با اجازه دادن به میانگین شرطی برای وابستگی به مشاهدات گذشته و خطاهای گذشته از طریق یک تابع غیرخطی دلخواه گسترش می‌دهد. این مدل دینامیک‌های پیچیده‌ای مانند تغییر رژیم، چرخه‌های نامتقارن و اثرات آستانه‌ای را که مدل‌های خطی از دست می‌دهند، ثبت می‌کند و آن را برای سری‌های زمانی اقتصادی و مالی ارزشمند می‌سازد.

به‌کارگیری با EconMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Tong, H. (1990). Non-linear Time Series: A Dynamical System Approach. Oxford University Press. ISBN: 978-0198522300
  2. Granger, C. W. J., & Terasvirta, T. (1993). Modelling Nonlinear Economic Relationships. Oxford University Press. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Nonlinear Autoregressive Moving Average Model. ScholarGate. https://scholargate.app/fa/econometrics/nonlinear-arma-model

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.

Compare side by side

ارجاع‌شده در

ScholarGateNonlinear ARMA model (Nonlinear Autoregressive Moving Average Model). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/econometrics/nonlinear-arma-model · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026