Nonlinear AR Model
The Nonlinear AR model extends the classical autoregressive framework by allowing the mapping from past values to the current value to follow an arbitrary or regime-switching nonlinear function. Major families include the Self-Exciting Threshold AR (SETAR), Smooth Transition AR (STAR), and neural network AR, each capturing different forms of asymmetry, regime shifts, or smooth nonlinear dynamics in univariate time series.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- Tong, H. (1990). Non-Linear Time Series: A Dynamical System Approach. Oxford University Press. · ISBN 9780198522201
- Terasvirta, T. (1994). Specification, estimation, and evaluation of smooth transition autoregressive models. Journal of the American Statistical Association, 89(425), 208-218. · DOI 10.1080/01621459.1994.10476462
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.