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。$ \& y0 c' \, h3 t& T+ i% K5 G
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)。
7 G; A) y$ ]! m) b) r8 D2 m' I% @5 l/ S" X% K, J
" G1 w/ E [$ U' {7 a4 m
% ^# b7 h/ x" I" r" m: g
( W; m" q( E8 D4 |
+ I" n- Q! z. T# r! n7 J2 e- I4 E4 N9 S0 m" i/ q
. i: C6 l$ n& B9 V/ I
0 j7 u) I3 Y) g7 a! ~2 S; B
7 p2 S- {0 E% g! y9 i. S | 
/1 
发表于 2020-1-16 14:41
收藏
淘帖
支持！
反对！