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
% P8 f* C5 q% P2 J4 O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) ^7 b; n5 |1 Y. f7 F" z
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)。 T9 R, ?9 ^/ M3 l7 B9 e
T/ D$ F5 p: d9 @7 [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)。
) \+ y6 }6 b9 o+ A$ n) d9 F2 g) f
6 T7 @1 v% z& B% K b$ h7 _6 y" VUC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。; F; B) ~+ b: o( s, T8 ^
5 m3 f0 }. \8 I9 {& @- i9 cEViews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。3 H! U1 A3 e2 U9 F3 B$ D
4 m2 Z9 Y: O @: k; u/ R. _ z
$ r- h0 B, ]6 J" C! m! R4 `. J( }. N o) M5 W* j8 E
+ ^- u6 `' ^2 e* P
$ R- S/ P8 y* j1 U( t/ t1 a" X3 o | 
/1 
发表于 2020-1-6 14:29
收藏
淘帖
支持！
反对！