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。
$ R- t0 j) J# P) c" K# L80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)。
6 D* D! N ?7 G& z6 I5 P1 D+ @, }; n
" u- Y/ q) j/ V' O6 j+ \9 q) u6 I9 U( |$ o
7 s& W2 K' O; ]4 X, t
; `) ^7 w2 I3 y) ?% `6 g* B
3 ]/ V6 m: j W. d
$ Y1 e" h# N4 h( _/ @% _$ U; }9 M. E: D1 p4 P
$ V* O" S; y2 D: u0 d
| 
/1 
发表于 2020-1-16 14:41
收藏
淘帖
支持！
反对！