Regression model

Model Ruang Keadaan (Kalman Filter)

Model ruang keadaan adalah kerangka kerja deret waktu umum yang mendeskripsikan suatu deret melalui variabel keadaan laten (tidak teramati) yang dihubungkan oleh persamaan pengukuran dan persamaan transisi, dengan keadaan diestimasi secara real-time oleh filter Kalman. Dikembangkan dalam tradisi ruang keadaan dari Harvey (1990) dan Durbin & Koopman (2012), model ini mencakup ARIMA dan penghalusan eksponensial sebagai kasus khusus.

Terapkan dengan EconMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

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

Model Ruang Keadaan (Kalman Filter)

Model ARIMA (Autoregress…Autoregresi Vektor Bayes…Model Peralihan Rezim Ma…Model Deret Waktu Strukt…Model SARIMA Bayesian Rangkaian Deret Waktu St…Simulasi Digital Twin Model Keseimbangan Umum…Filter Kalman Ensemble ETS: Perataan Eksponensi…

+27 more

Sumber

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 ↗

Cara menyitasi halaman ini

ScholarGate. (2026, June 1). State Space Model (Kalman Filter). ScholarGate. https://scholargate.app/id/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.

Model ARIMA (Autoregressive Integrated Moving Average)Ekonometrika↔ compare
Autoregresi Vektor Bayesian (BVAR)Ekonometrika↔ compare
Model Peralihan Rezim Markov (MS-AR / MS-VAR)Ekonometrika↔ compare
Model Deret Waktu Struktural (Model Struktural Dasar)Ekonometrika↔ compare

Compare side by side →

Dirujuk oleh

Model SARIMA Bayesian Rangkaian Deret Waktu Struktural Bayesian Simulasi Digital Twin Model Keseimbangan Umum Stokastik Dinamis (DSGE)Filter Kalman Ensemble ETS: Perataan Eksponensial Kesalahan, Tren, Musiman Penghalusan Eksponensial Sederhana dan Ganda (SES / Holt)FiLM: Model Memori Legendre yang Ditingkatkan Frekuensinya Penghalusan Eksponensial Tiga Kali Lipat Holt-Winters Filter Hodrick-Prescott: Dekomposisi Tren-Siklus untuk Deret Waktu Makroekonomi Filter Kalman dengan Data Hilang Koopa: Prediktor Koopman untuk Deret Waktu Non-stasioner Filter Partikel (Monte Carlo Sekuensial)Prophet Model ARIMA Robust SARIMA (Seasonal ARIMA)SARIMAX Model Autoregresif Parameter Berubah Seiring Waktu (TVP-AR)Model ARIMA Parameter Bervariasi Waktu (TVP-ARIMA)Time-varying parameter ARMA model Model Data Panel Dinamis Parameter Berubah Seiring Waktu Kointegrasi Engle-Granger Parameter Variabel Waktu Model Efek Tetap Parameter Bervariasi Waktu Model GARCH Parameter Waktu-Bervariasi (TVP-GARCH)GLS Parameter Waktu-Bervariasi (TVP-GLS)Uji Hausman Parameter Berubah Waktu OLS Parameter Waktu-Bervariasi (TVP-OLS)Analisis Data Panel Parameter Berubah Waktu Model SARIMA Parameter Waktu-Bervariasi (TVP-SARIMA)Model TGARCH Parameter Bervariasi Waktu (TVP-TGARCH)Model Vektor Autoregresif Parameter Bervariasi Waktu (TVP-VAR)Vector Error Correction Model Parameter Waktu-Bervariasi (TVP-VECM)WLS Parameter Waktu-Bervariasi (TVP-WLS)

Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →