Регресия с обобщени най-малки квадрати (GLS) с променливи във времето параметри (TVP-GLS)
TVP-GLS разширява обобщените най-малки квадрати (GLS) до случаи, при които коефициентите на регресията не са фиксирани константи, а се развиват във времето според стохастичен процес. Чрез вграждане на модела в рамка на пространството на състоянията и прилагане на корекции чрез GLS за не-сферични грешки, той улавя структурни промени, смени на режими и постепенно променящи се връзки в данни от времеви редове.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Cooley, T. F., & Prescott, E. C. (1976). Estimation in the presence of stochastic parameter variation. Econometrica, 44(1), 167–184. DOI: 10.2307/1911389 ↗
- Harvey, A. C. (1990). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 9780521321969
Как да цитирате тази страница
ScholarGate. (2026, June 3). Time-Varying Parameter Generalized Least Squares. ScholarGate. https://scholargate.app/bg/econometrics/time-varying-parameter-gls
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Калманов филтърБейсови методи↔ сравняване
- Модел в състояние пространство (Калманов филтър)Иконометрия↔ сравняване
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →