Zeitvarianz-Parameter-Autoregression (TVP-AR)
Das Zeitvarianz-Parameter-Autoregression (TVP-AR)-Modell erweitert das klassische AR-Modell, indem es seinen autoregressiven Koeffizienten erlaubt, über die Zeit zu driften, typischerweise als Random Walk. Als Zustandsraum-System formuliert, erfasst das Modell graduelle strukturelle Veränderungen in der Dynamik einer univariaten Zeitreihe, ohne ein festes Bruchdatum zu erzwingen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Cogley, T., & Sargent, T. J. (2005). Drifts and volatilities: Monetary policies and outcomes in the post WWII US. Review of Economic Dynamics, 8(2), 262-302. DOI: 10.1016/j.red.2004.10.009 ↗
- Kim, C.-J., & Nelson, C. R. (1999). State-Space Models with Regime Switching: Classical and Gibbs-Sampling Approaches with Applications. MIT Press. ISBN: 978-0262112383
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Time-Varying Parameter Autoregressive Model. ScholarGate. https://scholargate.app/de/econometrics/time-varying-parameter-ar-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 (Autoregressives integriertes gleitendes Durchschnittsmodell)Ökonometrie↔ compare
- Kalman FilterBayes-Statistik↔ compare
- Zustandsraummodell (Kalman-Filter)Ökonometrie↔ compare
- Stochastisches Volatilitätsmodell (Heston)Finanzwirtschaft↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →