EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
第十一章状态空间模型和卡尔曼滤波 State Space Models and Kalman Filter 上世纪60年代初，由于工程控制领域的需要，产生了卡尔曼滤波(Kalman Filtering)。 进入70年代初，人们明确提出了状态空间模型的标准形式，并开始将其应用到经济领域。% \, a& H' E3 F9 r6 G" o+ s( P) m
80年代以后，状态空间模型已成为一种有力的建模工具。许多时间序列模型，包括典型的线性回归模型和ARIMA模型都能作为特例写成状态空间的形式，并估计参数值。在计量经济学文献中，状态空间模型被用来估计不可观测的时间变量：理性预期，测量误差，长期收入，不可观测因素(趋势和循环要素)。状态空间模型在经济计量学领域其他方面的大量应用请参见Harvey (1989) 和Hamilton (1994)。
8 w7 I# h' e0 H( m4 D8 U) B9 k2 ~ ?, h/ i
P. ^! l1 ?/ T2 G; ~1 f2 g) x; J9 Y/ ]
! z' p; a7 u' L! Z8 d- ]: x" o O
% I! h6 i0 U9 ]( [: T9 ?
! z/ S5 ?% @/ Y2 T- a* u2 b. a( s3 f0 j' e4 O& Q8 q7 |: J% ?
/ X5 Z8 M0 L( h
8 G8 G3 b, Z* n. { | 
/1 
发表于 2020-1-16 14:41
收藏
淘帖
支持！
反对！