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。
9 O$ ?- s. I9 F" O+ k; S7 I0 ]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)。
8 r: E/ P4 ]2 V6 o2 p+ `8 i o5 D6 U& ]- V" c) P; P
# Z: G) x i- w r' M; @3 m7 S7 n* |9 s, l( `6 t
4 n! l8 N1 S$ U
7 x5 o! e$ Z' U8 s- }7 D% l! M( P
1 f4 o3 l1 i1 [* w+ S: r, Y! `7 L$ S3 l* Z4 m
/ e+ Z" U, h5 R5 Q8 F# Z; V, O8 ]% ?, z4 d5 N% d
| 
/1 
发表于 2020-1-16 14:41
收藏
淘帖
支持！
反对！