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。1 I, }7 P$ B. w( b2 Q$ k
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)。- g. P0 ?& y3 b( Y4 d1 `
1 r- W$ m9 {6 {
1 R, z7 {' C4 x3 ]: E# G+ L; y0 _
5 t) W" O" B }" D ^5 J8 t# |6 U4 A& D! L) x9 d" N5 `% r
( q# d3 }9 K5 W t Z) d6 M
5 w* {. Q& z3 w0 m
# P5 Z6 a/ u$ v- g9 h( i
& n, P8 S( E) i1 B/ Q4 R
2 [7 J" q& I: b$ _# V; g/ x | 
/1 
发表于 2020-1-16 14:41
收藏
淘帖
支持！
反对！