แบบจำลองออโตริเกรสซีฟไม่เชิงเส้น (Nonlinear Autoregressive - NAR)
แบบจำลอง NAR ขยายกรอบออโตริเกรสซีฟแบบดั้งเดิม โดยอนุญาตให้การจับคู่จากค่าในอดีตไปยังค่าปัจจุบันเป็นไปตามฟังก์ชันไม่เชิงเส้นที่อาจเป็นแบบพลการหรือแบบเปลี่ยนผ่านสภาวะ แบบจำลองหลักๆ ประกอบด้วย Self-Exciting Threshold AR (SETAR), Smooth Transition AR (STAR), และแบบจำลองโครงข่ายประสาทเทียม AR ซึ่งแต่ละแบบจำลองสามารถจับรูปแบบความไม่สมมาตร การเปลี่ยนสภาวะ หรือพลวัตไม่เชิงเส้นที่ราบรื่นในอนุกรมเวลาแบบเอกแปรปรวนได้แตกต่างกัน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Nonlinear Autoregressive Model. ScholarGate. https://scholargate.app/th/econometrics/nonlinear-ar-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.
- แบบจำลอง ARIMA (Autoregressive Integrated Moving Average)เศรษฐมิติ↔ compare
- แบบจำลอง ARMA (Autoregressive Moving Average)เศรษฐมิติ↔ compare
- แบบจำลองออโตเรเกรสซีฟ (AR)เศรษฐมิติ↔ compare
- แบบจำลอง ARDL ไม่เชิงเส้น (NARDL)เศรษฐมิติ↔ compare
- แบบจำลองการแก้ไขข้อผิดพลาดแบบเวกเตอร์ไม่เชิงเส้น (Nonlinear VECM)เศรษฐมิติ↔ compare
- แบบจำลอง AR ที่มีการเปลี่ยนแปลงโครงสร้างเศรษฐมิติ↔ compare