State Space Model (Kalman Filter)
Een state space model is een algemeen tijdreekskader dat een reeks beschrijft via niet-geobserveerde (latente) toestandsvariabelen die verbonden zijn door een meetvergelijking en een transitievergelijking, waarbij de toestanden in realtime worden geschat door het Kalmanfilter. Ontwikkeld in de state space traditie van Harvey (1990) en Durbin & Koopman (2012), omvat het ARIMA en exponentiële smoothing als speciale gevallen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+27 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). State Space Model (Kalman Filter). ScholarGate. https://scholargate.app/nl/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 (Autoregressive Integrated Moving Average) ModelEconometrie↔ compare
- Bayesiaanse Vector Autoregressie (BVAR)Econometrie↔ compare
- Markov Regime-Switching Model (MS-AR / MS-VAR)Econometrie↔ compare
- Structureel Tijdreeksmodel (Basis Structureel Model)Econometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →