R语言时间序列TAR阈值自回归模型
原文连接： http://tecdat.cn/?p=5231
为了方便起见，这些模型一般简称为TAR模型。这些模型捕捉线性时间序列模型没法捕获的行为，如极限循环，幅度相关频率和跳跃现象。测试
数据示例
TAR模型经过抑制噪声项和截距并将阈值设置为0来得到：spa
模型估计
一种方法和这里讨论的方法是条件最小二乘（CLS）方法。rem
状况1.若是r和d都是已知的。get
状况2.若是r未知。it
最小AIC（MAIC）方法
因为实际上两种制度的AR指令是未知的，所以须要一种方法来估计这些指标。对于TAR模型，AIC成为class
而后经过最小化AIC受试者在必定时间间隔内搜索阈值参数来估计参数，使得任何方案具备足够的估计数据。搜索
非线性测试
使用滞后回归图进行检查。循环
拟合的回归曲线不够直，代表可能存在非线性关系。方法
模型诊断
模型诊断使用残差分析完成。im
预测
预测分布一般是非正常的和棘手的。一般，采用模拟方法进行预测。