计量经济分析方法与建模课件2007版第11章状态空间模型和卡尔曼滤波幻灯片.pptVIP

* 简单地选择一种输出类型，在编辑区键入输出序列的文件名。指定输出变量名的规则与Forecast过程描述的相同。注意，在存储状态结果时通配符“*”是允许使用的。这时，EViews使用指定的状态变量名。 6．产生内生变量组（Make Endogenous Group） 生成一个包含量测方程因变量序列的组对象。 7．产生梯度组（Make Gradient Group） 创建一个包含对数似然函数梯度序列的组对象。这些对象被命名为“GRAD01 , GRAD02 , ……”。 * 8．建立新的状态空间对象（Make Kalman Filter） 创建一个包含当期指定形式的新的状态空间对象，其所有的参数被它们的估计值替代。这样，可以“freeze”当前的状态空间做额外的分析。 9．建立模型（Make Model） 创建一个包含状态空间方程的模型对象。 10．修正系数（Update Coefs from Sspace） 将用适当的系数向量替代待估参数。 * 采用量测方程和状态方程协方差 g?0 的模型: @signal csp = c(1) + se1*(1- t)*gdpea/p + [ename = e1] @state se1 = c(3) + c(4)*se1(-1)+ [ename = e2] @evar var(e1) = exp(c(2)) @evar var(e2) = exp(c(5)) @evar cov(e1, e2) = c(6) param c(1) 442.7 c(2) 11.227 c(3) 0.1 c(4) 0.8 c(5) –8 c(6) 0.5 §11.5 状态空间模型的应用实例 例11.3: 可变参数的边际消费倾向（续） * 量测方程： (11.4.5) 状态方程： (11.4.6) R2=0.997 D.W.=1.73 在过程proc中选择产生状态序列（Make State Series）,可以选择存储一步向前预测状态变量估计结果 at ? t –1 ，或滤波状态变量均值 at ，得到变参数的边际消费倾向。 在过程proc中选择产生量测序列（Make Signal Series）,可以选择存储一步向前预测量测变量估计残差 et ? t –1 ，进而检验方程是否平稳。 * ct 是固定参数边际消费倾向的平均值。从边际消费倾向 ct 的曲线图，可以看到1978年以来按可比价格计算的我国居民边际消费倾向变化很大，大约在0.4566 ~ 0.5714之间变动。收入每增加100亿元，将大约有46~57亿元被用于居民消费。并且在1986年达到高峰，1990年～1995年出现了大幅的下降，1995年达到谷底。 * 由于EViews5不显示R2和DW统计量的值可以利用公式计算： 1. 首先计算量测方程的残差: 在过程proc中选择Make Signal Series…，然后选择one-step-ahead中的Prediction Residual，存储一步预测残差 ，记为e_2， e_2_1 = e_2(-1)。还可以检验e_2是平稳的. 2. 计量测方程因变量的离差平方和(TSS): scalar tss=@sumsq(csp-@mean(csp)) 3. 计算量测方程的R2 : scalar r2=1-@sumsq(e_2)/tss=0.997 4. 计算量测方程的DW统计量: scalar dw= @sumsq(e_2 -e_2_1) / @sumsq(e_2) = 1.52 其中@sumsq是求序列平方和的函数 ， @mean是求序列均值的函数。 * §11.5 状态空