Regression model

Zustandsraummodell (Kalman-Filter)

Ein Zustandsraummodell ist ein allgemeiner Zeitreihenrahmen, der eine Serie durch unbeobachtete (latente) Zustandsvariablen beschreibt, die durch eine Messgleichung und eine Übergangsgleichung verknüpft sind, wobei die Zustände in Echtzeit mit dem Kalman-Filter geschätzt werden. Entwickelt in der Zustandsraum-Tradition von Harvey (1990) und Durbin & Koopman (2012), schließt es ARIMA und exponentielle Glättung als Spezialfälle ein.

Mit EconMind anwendenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Zustandsraummodell (Kalman-Filter)

ARIMA-Modell (Autoregres…Bayesian Vector Autoregr…Markov-Regime-Switching-…Strukturelles Zeitreihen…Bayesian SARIMA-Modell Bayesianische strukturel…Digital-Twin-Simulation Dynamisches stochastisch…Ensemble-Kalman-Filter ETS: Fehler, Trend, Sais…

+27 more

Quellen

Harvey, A. C. (1990). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. DOI: 10.1017/CBO9781107049994 ↗
Durbin, J. & Koopman, S. J. (2012). Time Series Analysis by State Space Methods (2nd ed.). Oxford University Press. DOI: 10.1093/acprof:oso/9780199641178.001.0001 ↗

So zitieren Sie diese Seite

ScholarGate. (2026, June 1). State Space Model (Kalman Filter). ScholarGate. https://scholargate.app/de/econometrics/state-space-model

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

ARIMA-Modell (Autoregressive Integrated Moving Average)Ökonometrie↔ compare
Bayesian Vector Autoregression (BVAR)Ökonometrie↔ compare
Markov-Regime-Switching-Modell (MS-AR / MS-VAR)Ökonometrie↔ compare
Strukturelles Zeitreihenmodell (Grundlegendes Strukturmodell)Ökonometrie↔ compare

Compare side by side →

Referenziert von

Bayesian SARIMA-Modell Bayesianische strukturelle Zeitreihen Digital-Twin-Simulation Dynamisches stochastisches allgemeines Gleichgewichtsmodell (DSGE-Modell)Ensemble-Kalman-Filter ETS: Fehler, Trend, Saisonale Exponentielle Glättung Einfache und doppelte exponentielle Glättung (SES / Holt)FiLM: Frequency Improved Legendre Memory Model Holt-Winters Dreifache Exponentielle Glättung Hodrick-Prescott-Filter: Trend-Zyklus-Zerlegung für makroökonomische Zeitreihen Kalman-Filter bei fehlenden Daten Koopa: Koopman-Vorhersagen für nicht-stationäre Zeitreihen Partikelfilter (Sequentieller Monte-Carlo-Algorithmus)Prophet – Dekomponierbare Zeitreihenprognose Robustes ARIMA-Modell SARIMA (Seasonal Autoregressive Integrated Moving Average)SARIMAX Zeitvarianz-Parameter-Autoregression (TVP-AR)Zeitvarianz-ARIMA-Modell (TVP-ARIMA)Zeitvarianzmodelle für ARMA-Prozesse (TVP-ARMA)Zeitvarianzparameter-Dynamik-Paneldatenmodell Zeitvariante Parameter Engle-Granger-Kointegration Zeitlich variierendes Parameter-Fixed-Effects-Modell Zeitvariantes Parameter-GARCH-Modell (TVP-GARCH)Zeitvariabler Parameter GLS (TVP-GLS)Zeitvariabler Parameter-Hausman-Test Zeitlich variierende Parameter OLS (TVP-OLS)Zeitvarianz-Parameter-Paneldatenanalyse Zeitvariantes Parameter-SARIMA-Modell (TVP-SARIMA)Zeitvariante Parameter TGARCH-Modell Zeitvariantes Parameter-VAR-Modell (TVP-VAR)Zeitvariierende Parameter VECM (TVP-VECM)Time-Varying Parameter WLS (TVP-WLS)

Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →