Regression model
状态空间模型（卡尔曼滤波器）
状态空间模型是一个通用的时间序列框架，它通过未观测（潜在）状态变量来描述一个序列，这些变量通过测量方程和转移方程联系起来，并通过卡尔曼滤波器实时估计状态。该模型在Harvey (1990) 和 Durbin & Koopman (2012) 的状态空间传统下发展而来，将ARIMA和指数平滑作为特例包含在内。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+27 more
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 1). State Space Model (Kalman Filter). ScholarGate. https://scholargate.app/zh/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（自回归积分滑动平均）模型计量经济学↔ compare
- 贝叶斯向量自回归 (BVAR)计量经济学↔ compare
- 马尔可夫状态转换模型 (MS-AR / MS-VAR)计量经济学↔ compare
- 结构时间序列模型（基本结构模型）计量经济学↔ compare
被引用于
贝叶斯季节性自回归积分滑动平均模型贝叶斯结构时间序列数字孪生仿真动态随机一般均衡（DSGE）模型集合卡尔曼滤波器ETS：误差、趋势、季节性指数平滑简单和双指数平滑 (SES / Holt)FiLM: 频率改进的勒让德记忆模型霍尔特-温特斯三指数平滑法Hodrick-Prescott 滤波器：宏观经济时间序列的趋势-周期分解带缺失数据的卡尔曼滤波器Koopa：用于非平稳时间序列的 Koopman 预测器粒子滤波器（序贯蒙特卡洛）Prophet稳健 ARIMA 模型季节性ARIMA（SARIMA）SARIMAX时间变化参数自回归模型 (TVP-AR)时变参数自回归积分滑动平均模型 (TVP-ARIMA)时变参数自回归滑动平均模型 (TVP-ARMA)时变参数动态面板数据模型时变参数Engle-Granger协整时变参数固定效应模型时变参数 GARCH 模型 (TVP-GARCH)时变参数广义最小二乘法 (TVP-GLS)时变参数豪斯曼检验时变参数普通最小二乘法 (TVP-OLS)时变参数面板数据分析时变参数SARIMA模型 (TVP-SARIMA)时变参数TGARCH模型时变参数向量自回归模型 (TVP-VAR)时变参数向量误差修正模型 (TVP-VECM)时变参数加权最小二乘法 (TVP-WLS)