状态空间模型和卡尔曼滤波-时间序列分析.PPT

这种方差的直接指定方法不允许不同方程的误差之间存在相关关系。作为默认，EViews假定误差项之间的协方差为零。如果指定误差项间存在相关关系，需要使用“命名误差”方法指定它们间的关系。“命名误差”方法包括两部分： (1) 首先，必须通过加一个由关键字“ename”后接等号和变量名的误差表达式为方程中的残差序列命名。 y =c(1)+sv1*x1+[ename=e1] @state sv1=sv1(-1)+[ename=e2] (2) 其次，需要键入由关键字“@evar”后接一个误差的方差或两个误差之间的协方差的赋值语句。 @evar cov(e1,e2)=c(2) @evar var(e1)=exp(c(3)) @evar var(e2)=exp(c(4))*x 可以在单个状态空间方程中合并命名误差和直接方差表达式： @state sv1=sv1(-1)+[ename=e1,var=exp(c(3))] @evar cov(e1,e2)=c(4) @evar方程的语句结构可以进行自我辨别。简单的辨别有：该项是方差还是协方差，指定误差，记入方差和协方差的指定。在每一个希望指定的命名误差方差或协方差之间要分行指定。如果误差项被命名，但没有相应的“var=”或@evar说明，分别地，缺少的方差或协方差的默认值为“NA”或“0”。 用 “ename =”语句定义的误差项只能存在于@evar赋值语句中，而不能直接进入状态或量测方程中。 例11.3 模型指定的例子—可变参数的边际消费倾向 设 Y 表示收入，YD 表示个人可支配收入，是居民户在得到政府的转移支付(TR)和向政府纳税(TAX)后可用于支出的净收入，即 (11.27) 设税收在收入中所占的比例为 t ，则 TAX=tY，消费函数可写为 (11.28) 式中 是自发消费，c 是边际消费倾向， 。构造消费方程的变参数模型， GDPEAt 是年度支出法的GDP，Pt 是消费价格指数，CSt 是居民消费。 量测方程： (11.29) 状态方程： (11.30) ～ (11.31) 按前面的规则在空白的文本窗口上直接键入如下语句： @signal csp = c(1) + sp1*(1-t)*gdpea/p + [var = exp(c(2))] @state sp1 = c(3)+c(4)*sp1(-1)+ [var = exp(c(5))] param c(1) 442.7 c(2) 14.48 c(3) 0.155 c(4) 0.82 c(5) –7.53 其中量测方程中的 是c(1)，状态方程的一阶自回归的系数 ?0， ?1 是 c(3) 和 c(4) ，模型的方差 ?u2，?? 2 由参数c(2)，c(5)确定，方差被限制为参数的非负函数，协方差 g = 0。 也可以写成下面的形式，当协方差 g ? 0 时, 要这样写: @signal csp = c(1) + se1*(1- t)*gdpea/p + [ename = e1] @state se1 = c(3) + c(4)*se1(-1)+ [ename = e2]