مدل فضای حالت (فیلتر کالمن)
مدل فضای حالت یک چارچوب کلی برای سریهای زمانی است که یک سری را از طریق متغیرهای حالت مشاهدهنشده (پنهان) توصیف میکند. این متغیرها توسط یک معادله اندازهگیری و یک معادله گذار به هم مرتبط میشوند و حالتها در زمان واقعی توسط فیلتر کالمن تخمین زده میشوند. این مدل که در سنت فضای حالت هاروی (1990) و دوربین و کوپمن (2012) توسعه یافته است، مدلهای ARIMA و هموارسازی نمایی را به عنوان موارد خاص در خود جای میدهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+27 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). State Space Model (Kalman Filter). ScholarGate. https://scholargate.app/fa/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.
- مدل آریما (میانگین متحرک یکپارچه خودرگرسیو)اقتصادسنجی↔ compare
- مدل خودرگرسیون برداری بیزی (BVAR)اقتصادسنجی↔ compare
- مدل رژیم-سوئیچینگ مارکوف (MS-AR / MS-VAR)اقتصادسنجی↔ compare
- مدل سری زمانی ساختاری (مدل ساختاری پایه)اقتصادسنجی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →