Regression modelEconometrics / time series

مدل قوی ARMA

مدل قوی ARMA چارچوب کلاسیک میانگین متحرک خودرگرسیو را با جایگزینی تابع زیان حساس حداقل مربعات با روش‌های تخمین مقاوم در برابر داده‌های پرت - معمولاً M-تخمین‌گرها یا رویکردهای مبتنی بر میانه - گسترش می‌دهد. این امر تخمین ضرایب و پیش‌بینی‌ها را در برابر تحریف ناشی از داده‌های پرت افزایشی، شیفت‌های سطح، یا داده‌های پرت نوآورانه‌ای که در سری‌های زمانی اقتصادی و مالی رایج هستند، محافظت می‌کند.

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. Franses, P. H., & Ghijsels, H. (1999). Additive outliers, GARCH and forecasting volatility. International Journal of Forecasting, 15(1), 1-9. link
  2. Martin, R. D., & Yohai, V. J. (1986). Influence functionals for time series. The Annals of Statistics, 14(3), 781-818. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Robust Autoregressive Moving Average Model. ScholarGate. https://scholargate.app/fa/econometrics/robust-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

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