非线性时间序列分析中的门限自回归模型.docxVIP

非线性时间序列分析中的门限自回归模型

一、引言

时间序列分析是经济、气象、环境等多个领域进行预测与规律挖掘的核心工具，传统的线性时间序列模型如自回归模型（AR）、自回归移动平均模型（ARMA）等，因假设序列遵循全局线性关系，曾在平稳序列分析中得到广泛应用。但现实世界中，多数时间序列存在明显的非线性特征——比如经济周期的扩张与收缩阶段、气象灾害的突发与平稳期、污染物浓度的突变与累积期，这些非线性结构无法通过线性模型准确捕捉，导致预测精度大幅下降。在此背景下，非线性时间序列分析方法应运而生，其中门限自回归模型凭借其简洁的形式与强大的非线性拟合能力，成为最具代表性的模型之一。门限自回归模型通过分段线性的方式模拟序列的结构性转变，能够精准刻画不同状态下的序列生成机制，为非线性时间序列的分析提供了有效框架（Tong，1990）。

二、门限自回归模型的基础概念与起源

（一）核心定义与本质特征

门限自回归模型是一种分段线性的非线性时间序列模型，其核心思想是根据某个“门限变量”的取值，将时间序列划分为不同的“状态区间”，每个区间内使用独立的线性自回归模型描述序列的变化规律。与线性自回归模型不同，门限模型不假设序列在整个样本期内遵循同一套线性关系，而是认为序列的生成机制会随着门限变量的变化发生结构性转变，这种分段的线性组合最终呈现出整体的非线性特征。例如，在宏观经济数据中，当失业率低于某个临界值时，