计量经济分析方法与建模Panel Data 模型推荐.ppt

当状态空间模型的扰动项的分布不能满足正态分布假定时，一般地，Kalman滤波所产生的估计量 at 不再是状态向量 ?t 的条件均值，换句话说，式(11.2.18)将不成立。但是如果限制估计量是观测值的线性组合，即在所有线性估计范围内，at 是具有最小均方误差意义上的最优估计量。此时称at 是基于信息集 Yt 的 ?t 的最小均方线性估计量 (minimum mean square linear estimator，MMSLE)，估计误差的协方差矩阵是由Kalman滤波给出的 Pt 矩阵。 进一步地，上述关于状态向量 ?t 的论述也可以类似地用来解释 yt 基于信息集 Yt–1 的条件均值，用 表示，即 (11.2.22) 在正态假定下， 是 yt 在最小均方误差意义下的最优估计量(MMSE)，并且在不满足正态假定时，是 yt 的最小均方线性估计量(MMSLE)。 预测误差 (11.2.23) 被称为新息(innovations)，因为它代表在 Yt-1 的基础上新观测值 yt 所带来的信息。从更新方程(11.2.4)中可以看出，新息 vt 对修正状态向量的估计量起到了关键的作用。 在正态假定下，根据 是最小均方误差意义下的最优估计量，可以推断 vt 的均值是零向量。进一步地，从式(11.2.23)容易看出 (11.2.24) 其中：Ft 由式(11.2.6)给定。在不同的时间区间，新息 vt 是不相关的，即 , (11.2.25) 11.2.3 修正的Kalman滤波递推公式 当量测方程和转移方程的扰动项是相关的时候，需要修改Kalman滤波。考虑具有量测方程和转移方程的状态空间形式 (11.2.26) (11.2.27) 假设 (11.2.28) 其中 Gt 是已知的 g ? k 矩阵。量测方程和状态方程的扰动项的协方差矩阵用 ? 表示 注意当量测方程和转移方程的干扰项在同时点相关，在不同时点不相关时，Kalman滤波中的预测公式(11.2.2)，(11.2.3)不变，更新方程进行如下修改：在 (11.2.4)和式(11.2.5)中矩阵 Pt?t – 1Zt? 变为 Pt?t – 1Zt? + Rt Gt ，式(11.2.6)变为 (11.2.29) 11.2.4 非时变模型及Kalman滤波的收敛性 在许多实际应用问题中，状态空间模型的系统矩阵 Zt ，dt ，Ht ，Tt ，ct ，Rt 和 Qt 都是不依赖于时间变化的，这样就可以写成不带时间下标的模型，称为非时变模型。一般允许 ct 和 dt 是依时间变化的，于是状态空间模型的量测方程(11.1.1)和转移方程(11.1.3)就可以写为 (11.2.32) (11.2.33) , (11.2.34) 如果系统是稳定的，则转移矩阵 T 的所有的特征根的模应当小于1，即 (11.2.35) 且如果初始协方差矩阵 P1?0 是非负定的，则 (11.2.36) 独立于 P1?0 ，Pt+1?t 呈指数地迅速收敛到 。 一般情况下，面板工作文件中数据的分析和处理与其他文件中数据的分析和处理过程是一致的。在面板工作文件中能够实现对堆积数据的显示图、单位根检验等操作，其单位根检验过程和检验结果同组序列的单位根检验过程和结果基本类似。 虽然利用EViews中的面板工作文件可以对堆积数据进行多种分析和处理，但是对堆积形式的序列的处理仍具有一定的局限性。目前还不能对堆积形式的序列进行季节调整也不能利用该形式的序