ScholarGate
Pembantu
Regression modelEconometrics / time series

Model ARMA Teguh

Model ARMA Teguh melanjutkan rangka kerja Klasik Autoregressive Moving Average dengan menggantikan fungsi kerugian kuasa dua yang sensitif dengan kaedah anggaran yang tahan pencilan — biasanya M-estimator atau pendekatan berasaskan median. Ini melindungi anggaran pekali dan ramalan daripada terdistorsi oleh pencilan aditif, anjakan aras, atau pencilan inovatif yang lazim dalam siri masa ekonomi dan kewangan.

Terapkan dengan EconMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

Sumber

  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

Cara memetik halaman ini

ScholarGate. (2026, June 3). Robust Autoregressive Moving Average Model. ScholarGate. https://scholargate.app/ms/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

Dirujuk oleh

ScholarGateRobust ARMA Model (Robust Autoregressive Moving Average Model). Dicapai 2026-06-15 daripada https://scholargate.app/ms/econometrics/robust-arma-model · Set data: https://doi.org/10.5281/zenodo.20539026