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。7 C, ]7 I8 I2 E* m
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)。3 Z; ~% v1 B% d
( N% K% p2 c/ h$ z8 g, t- y2 }: `. b
5 F5 S1 l# _8 X4 X5 f3 j) ?
4 O+ V& @3 w/ S- }! k& Z* |: o3 E$ [3 Q* K! E0 b1 u* r6 u
: Z: Z0 p% j* \4 L$ I6 @% t: x" |0 E( u$ B9 w% h
) C( U: s; }6 a9 A2 b- }
$ ~/ i3 L' S2 z, o | 
/1 
发表于 2020-1-16 14:41
收藏
淘帖
支持！
反对！