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。
+ ?6 a/ @ e9 q0 n" 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)。4 {' \. y4 `# _
) J& b4 L; Q) Q5 b: f- R6 ^
( B1 n0 w1 |9 n+ L+ K9 I
+ [2 Q8 s- o. a( I" A; d1 |% ~3 x. `( v- \
1 n. W. P( l; p& ]; I4 x' s
+ Z) s+ r" u# ]
- t9 Y- ?# L z% H; B
* h& Y& P4 y& F+ ~9 q
$ ?) H8 A* ^/ v
| 
/1 
发表于 2020-1-16 14:41
收藏
淘帖
支持！
反对！