Regression modelEconometrics / time series
时变参数自回归滑动平均模型 (TVP-ARMA)
时变参数自回归滑动平均模型（TVP-ARMA）在经典ARMA框架的基础上，允许自回归和滑动平均系数随时间演变。该模型嵌入状态空间表示中，并通过卡尔曼滤波器进行估计，能够在不要求显式断点的情况下捕捉时间序列的结构性变化和参数不稳定性。
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
- Cooley, T. F., & Prescott, E. C. (1976). Estimation in the presence of stochastic parameter variation. Econometrica, 44(1), 167–184. DOI: 10.2307/1911389 ↗
- Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 9780521405737
如何引用本页
ScholarGate. (2026, June 3). Time-Varying Parameter Autoregressive Moving Average Model. ScholarGate. https://scholargate.app/zh/econometrics/time-varying-parameter-arma-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。
- 自回归移动平均模型 (ARMA)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