为了方便起见，这些模型通常简称为TAR模型。这些模型捕捉线性时间序列模型无法捕获的行为，如极限循环，幅度相关频率和跳跃现象。
数据示例
TAR模型通过抑制噪声项和截距并将阈值设置为0来获得：
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。
情况1.如果r和d都是已知的。
情况2.如果r未知。
最小AIC（MAIC）方法
由于实际上两种制度的AR指令是未知的，因此需要一种方法来估计这些指标。对于TAR模型，通过最小化AIC受试者在一定时间间隔内搜索阈值参数来估计参数，使得任何方案具有足够的估计数据。
非线性测试
使用滞后回归图进行检查。
拟合的回归曲线不够直，表明可能存在非线性关系。
模型诊断
模型诊断使用残差分析完成。
预测
预测分布通常是非正常的和棘手的。通常，采用模拟方法进行预测。
![C# | [极坐标] 与 [平面直角系坐标] 的相互转换](https://ucc.alicdn.com/pic/developer-ecology/n2ymwk47htkwq_dc73c475375f4042bfc88dcac895b5ef.png?x-oss-process=image/format,webp/resize,h_160,m_lfit)
