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。
" f5 p4 s& `: U. h5 Z/ B: |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)。& ^1 S' p3 F/ }9 _8 _7 n) W' U+ o
y8 {5 ^3 {6 |( Z0 B5 \
$ d4 f2 R. P3 ~2 K' ^
- g E. `* |; e. \( S- J! L, {# v" \+ \
- L5 X, j! l# g5 I
6 X, m# J) q: K/ ~
3 c) ~. |7 N; J0 a* N
% T( k# s, B* k% _1 |7 g
! j) C5 J: F) M7 O# { | 
/1 
发表于 2020-1-16 14:41
收藏
淘帖
支持！
反对！