เปรียบเทียบวิธี

	แบบจำลองค่าเฉลี่ยเคลื่อนที่แบบทนทาน (Robust Moving Average - MA Model)	โมเดล ARIMA ที่ทนทาน
สาขาวิชา	เศรษฐมิติ	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1979–2009	1986–1993
ผู้ริเริ่ม	Denby & Martin (1979); Muler, Pena & Yohai (2009)	Tsay (1986); Chen & Liu (1993)
ประเภท	Robust time series model	Robust time series model
แหล่งต้นตำรับ	Denby, L., & Martin, R. D. (1979). Robust estimation of the first-order autoregressive parameter. Journal of the American Statistical Association, 74(365), 140–146.	Tsay, R. S. (1986). Time series model specification in the presence of outliers. Journal of the American Statistical Association, 81(393), 132–141.
ชื่อเรียกอื่น	robust MA, robust moving average, M-estimation MA, bounded-influence MA	robust ARIMA, outlier-resistant ARIMA, robust time series estimation, ARIMA with outlier detection
ที่เกี่ยวข้อง	6	4
สรุป	The Robust MA model applies robust estimation — typically M-estimation or bounded-influence methods — to the Moving Average time series model. By replacing the ordinary least squares loss with a bounded loss function, it produces parameter estimates that are far less sensitive to outliers, additive noise spikes, or heavy-tailed error distributions than the classical Gaussian MA.	Robust ARIMA extends the classical ARIMA framework to detect and correct the influence of outliers and structural breaks during estimation. By jointly identifying anomalous observations and re-estimating model parameters, it produces coefficient estimates and forecasts that are far less distorted by isolated shocks or data errors than standard ARIMA.