Regression modelEconometrics / time series
时变参数自回归积分滑动平均模型 (TVP-ARIMA)
时变参数自回归积分滑动平均模型 (TVP-ARIMA) 扩展了经典的自回归积分滑动平均 (ARIMA) 框架，允许其自回归和滑动平均系数随时间演变，而不是保持固定。该模型采用状态空间形式，并通过卡尔曼滤波器进行估计，适用于经济和金融时间序列，这些序列的动态结构会因结构性断裂、政策变化或状态转换而发生变化。
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。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 9780521405737
- Cooley, T. F., & Prescott, E. C. (1976). Estimation in the Presence of Stochastic Parameter Variation. Econometrica, 44(1), 167–184. DOI: 10.2307/1911389 ↗
如何引用本页
ScholarGate. (2026, June 3). Time-Varying Parameter Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/zh/econometrics/time-varying-parameter-arima-model
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 自回归积分滑动平均模型 (ARIMA)计量经济学↔ 比较
- 卡尔曼滤波器贝叶斯↔ 比较
- 状态空间模型（卡尔曼滤波器）计量经济学↔ 比较