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。
, \2 q0 S' M, w" u80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)。0 A$ l J# c0 j2 J/ |$ {
3 O* d3 g- C: v. {; p
3 _* [( K+ u5 G( G
) \0 o( Y# [# T- s% ~' Y% h0 X/ @
! L8 M: c- d- C- V+ m! R/ R5 u
x/ |* I: e( z" T/ b' L8 C( y
, r9 M/ f/ A( r4 ?1 m9 d' i4 r& R
& g) H4 C, ~, Z" k4 B, t u D
7 r2 T/ K, g8 |" f9 }: f- c1 L- n q; u | 
/1 
发表于 2020-1-16 14:41
收藏
淘帖
支持！
反对！