การวิเคราะห์อนุกรมเวลาแบบทนทาน
การวิเคราะห์อนุกรมเวลาแบบทนทาน (Robust Time Series Analysis) เป็นการปรับแบบจำลอง Autoregressive (AR), Moving-Average (MA), และ ARIMA ให้กับอนุกรมที่มีค่าผิดปกติ (outliers) หรือการเปลี่ยนแปลงโครงสร้าง (structural breaks) โดยใช้การประมาณค่าแบบ M-estimation หรือ MM-estimation แทน Ordinary Least Squares (OLS) เพื่อให้ค่าสังเกตที่ผิดปกติเพียงไม่กี่ค่าไม่ส่งผลกระทบต่อการปรับแบบจำลอง ซึ่งสอดคล้องกับแนวทางสถิติแบบทนทานที่รวบรวมไว้ใน Maronna, Martin, Yohai และ Salibián-Barrera (2019)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. ISBN: 978-1119214687
- Peña, D., & Guttman, I. (1988). A Bayesian Approach for Predicting with Outliers. Journal of the American Statistical Association. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/th/statistics/robust-time-series
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.
- การวิเคราะห์จุดแตกหักสถิติศาสตร์↔ compare
- การประมาณค่าส่วนเบี่ยงเบนสัมบูรณ์มัธยฐาน (MAD)สถิติศาสตร์↔ compare
- การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)เศรษฐมิติ↔ compare
- แบบจำลองเชิงเส้นแบบผสมที่ทนทานสถิติศาสตร์↔ compare
- ตัวประมาณค่ามาตราส่วนที่ทนทาน Sn และ Qnสถิติศาสตร์↔ compare