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
状态空间模型和卡尔曼滤波 State Space Models and K alman Filter
* O; H. W1 I% ~, |' _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。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A RIMA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! h* @$ G5 S7 G, x* F$ E
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 e: l8 ]- b8 P% p) o' I4 p- o; B! L0 v
在一般的统计模型中出现的变量都是可以观测到的，这些模型以反映过去经济变动的时间序列数据为基础，利用回归分析或时间序列分析等方法估计参数，进而预测未来的值。状态空间模型的特点是提出了“状态”这一-概念。而实际上，无论是工程控制问题中出现的某些状态(如导弹轨迹的控制问题)还是经济系统所存在的某些状态都是一种不可观测的变量，正是这种观测不到的变量反映了系统所具有的真实状态，所以被称为状态向量。这种含有不可观测变量的模型被称为UC模型(Unobservable Component Model)。4 h W* b! A2 F1 R+ Z5 R$ \" O- o
/ T$ _( z3 {6 G# r6 g2 DUC模型通过通常的回归方程式来估计是不可能的，必须利用状态空间模型来求解。状态空间模型建立了可观测变量和系统内部状态之间的关系，从而可以通过估计各种不同的状态向量达到分析和观测的目的。
& f8 M0 W# X P/ U" s$ b5 `1 v! F
8 p! S Q# J9 ~4 S2 \0 o# mEViews状态空间对象对单方程或多方程动态系统提供了一个直接的、易于使用的界面来建立、估计及分析方程结果。它提供了大量的建立、平滑、滤波及预测工具，帮助我们利用状态空间形式来分析动态系统。
1 K/ ~1 h. ~$ v* G3 |3 y+ K2 w& d: i
, X: t% [, m% G7 M! r" d% Q" @
6 Y' O& O" j+ w7 B% O3 s9 Q: b& c" J& o; A1 V1 D) ]
9 y( |/ `6 H) b+ l8 L
| 
/1 
发表于 2020-1-6 14:29
收藏
淘帖
支持！
反对！