Regression modelEconometrics / time series
时变参数广义最小二乘法 (TVP-GLS)
时变参数广义最小二乘法 (TVP-GLS) 将广义最小二乘法扩展到回归系数不是固定常数而是根据随机过程随时间演变的设定中。通过将模型嵌入状态空间框架并应用广义最小二乘法校正非球形误差，它可以捕捉时间序列数据中的结构性变化、状态转移和渐进变化的协关系。
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. (1990). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 9780521321969
如何引用本页
ScholarGate. (2026, June 3). Time-Varying Parameter Generalized Least Squares. ScholarGate. https://scholargate.app/zh/econometrics/time-varying-parameter-gls
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。
- 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