Regression modelEconometrics / time series
非线性自回归积分移动平均模型
非线性自回归积分移动平均（ARIMA）模型扩展了经典的Box-Jenkins ARIMA框架，它允许时间序列的条件均值通过一个非线性函数依赖于过去的观测值和过去的误差项。该模型包含阈值自回归（TAR/SETAR）、平滑转移自回归（STAR/LSTAR/ESTAR）以及马尔可夫切换模型等模型族，能够捕捉线性ARIMA模型无法表示的非对称动态、状态转换和经济周期中的非对称性。
阅读完整方法
仅限会员
登录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。
来源
- Tong, H. (1990). Non-Linear Time Series: A Dynamical System Approach. Oxford University Press. ISBN: 9780198522249
- Terasvirta, T. (1994). Specification, estimation, and evaluation of smooth transition autoregressive models. Journal of the American Statistical Association, 89(425), 208-218. link ↗
如何引用本页
ScholarGate. (2026, June 3). Nonlinear Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/zh/econometrics/nonlinear-arima-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。
- 自回归积分滑动平均模型 (ARIMA)计量经济学↔ 比较
- GARCH 模型（波动率预测）计量经济学↔ 比较
- 向量自回归 (VAR) 模型计量经济学↔ 比较