Regression modelEconometrics / time series

傅里叶自回归移动平均模型

傅里叶自回归移动平均（ARMA）模型在经典的自回归移动平均框架基础上，增加了低频傅里叶（正弦和余弦）项，以捕捉时间序列均值或趋势的平滑、渐进变化。与虚拟变量方法不同，它不需要预先知道结构性变化发生的时间，而是用灵活的三角函数来近似这种变化。

用 EconMind 应用即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

傅里叶自回归移动平均模型

自回归积分滑动平均模型 (ARIMA)自回归移动平均模型 (ARMA)傅里叶ARDL边界检验傅里叶向量自回归模型非线性自回归移动平均模型 (NARMA)

来源

Becker, R., Enders, W., & Hurn, S. (2006). A general test for time dependence in parameters. Journal of Applied Econometrics, 21(7), 1005–1028. link ↗
Enders, W., & Jones, P. (2016). Grain prices, oil prices, and multiple smooth breaks in a VAR. Studies in Nonlinear Dynamics and Econometrics, 20(4), 399–419. DOI: 10.1515/snde-2014-0101 ↗

如何引用本页

ScholarGate. (2026, June 3). Fourier-Augmented Autoregressive Moving Average Model. ScholarGate. https://scholargate.app/zh/econometrics/fourier-arma-model

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →