Regression modelEconometrics / time series

时变参数SARIMA模型 (TVP-SARIMA)

时变参数SARIMA模型通过允许自回归和移动平均系数随时间演变，扩展了经典的SARIMA框架。它被构建为一个状态空间系统，并使用卡尔曼滤波器进行估计，能够在单一统一模型中捕捉季节性模式和结构性变化。

用 EconMind 应用即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

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。

时变参数SARIMA模型 (TVP-SARIMA)

自回归积分滑动平均模型 (ARIMA)卡尔曼滤波器 SARIMA模型状态空间模型（卡尔曼滤波器）

来源

Harvey, A. C. (1990). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 9780521321969
Durbin, J., & Koopman, S. J. (2012). Time Series Analysis by State Space Methods (2nd ed.). Oxford University Press. ISBN: 9780199641178

如何引用本页

ScholarGate. (2026, June 3). Time-Varying Parameter Seasonal Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/zh/econometrics/time-varying-parameter-sarima-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。

并排比较 →

发现本页有问题？报告或提出修改建议 →