原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《1.Eviews数据统计与分析教程13章_状态空间模型
* EViews统计分析基础教程 第13章 状态空间模型 重点内容： 卡尔滤波原理 状态空间模型的建立 状态空间模型的估计 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 一、状态空间模型基本理论 设yt是k×1维可观测向量，其包含k个经济变量，有m×1维状态向量? t，可观测向量yt与状态向量? t有关。有 y t = Z t? t + d t + μ t 该式被称为量测方程（Measurement Equation），也叫信号方程（Signal Equation）。其中，n为样本长度；Z t是k×m矩阵；? t的元素是不可观测的；d t为k×1维向量；μ t是k×1维向量，是均值为0，协方差矩阵为H t的连续的不相关误差项，即 E（μ t）=0 Var（μ t）=H t Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 一、状态空间模型基本理论 有如下方程成立 ? t = T t? t-1 + c t + R t ? t 该式被称为转移方程（Transition Equation），也叫状态方程（State Equation）。其中，T t是m×m矩阵；c t是m×1向量；R t是m×g矩阵；? t是g×1向量，其均值为0，协方差矩阵为Q t的连续的不相关误差项，即 E（? t）=0 Var（? t）=Q t 量测方程中的矩阵Z t，d t，H t和移动方程中的矩阵T t，c t，R t，Q t被统称为系统矩阵。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 一、状态空间模型基本理论 状态空间模型的假定条件 （1）初始状态向量? 0的均值为a 0，协方差矩阵为P0； （2）随机误差项μ t和? t是相互独立的，且和初始状态向量? 0是不相关的。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 二、卡尔滤波 当一个模型被写成状态空间形式时，就可以用一些重要的算法对其进行求解。这些算法的核心就是卡尔滤波（Kalman Filter）。卡尔滤波是一个理想递推过程，是在时间t基于所有可得到的信息计算的状态向量。 卡尔滤波的主要作用：当随机误差项和初始状态向量服从正态分布时，能通过预测误差分解计算似然函数，从而达到对模型中所有未知参数进行估计的目的。当获得新的观测值时，利用卡尔滤波可以修正状态向量的估计。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.
文档评论（0）