ScholarGate
Assistent
Regression model

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.

Toepassen met EconMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

+27 more

Bronnen

  1. Harvey, A. C. (1990). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. DOI: 10.1017/CBO9781107049994
  2. 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.

Compare side by side

Geciteerd door

ScholarGateState Space Model (State Space Model (Kalman Filter)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/econometrics/state-space-model · Gegevensset: https://doi.org/10.5281/zenodo.20539026