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.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- 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
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.