高铁梅老师的EVIEWS教学课件第二十二章状态空间模型和卡尔曼滤波精要.ppt

（2）系数描述 状态空间模型指定结构的文本描述。左边的变量 yt 和 被表示为状态向量和残差项的线性函数。矩阵的元素是相应的系数。例如，例1模型的系数描述视图如下： ? ?  （3）协方差描述 状态空间模型协方差矩阵的文本描述。例如，例1模型有下面的协方差描述视图。 （4）系数值 用当前参数估计的量测方程和状态方程结构的数字描述。如果系统系数矩阵是时变的，EViews将提示对矩阵估计选择一个日期/观测值。 （5）协方差值 用当前参数估计的状态空间模型指定结构的数值描述。如果系统协方差矩阵是时变参数的，EViews将提示对矩阵估计选择日期/观测值。 四、自动指定 为了帮助创建一个状态空间模型，EViews提供了一个“自动指定”工具栏，可以在对话框中为模型创建一个文本表示。如果模型是具有固定参数、递归参数、及不同的随机系数，或者误差项有一般ARMA结构的标准回归模型，这个工具是非常有用的。 在状态空间过程procs中，选择Procs/Define State Space…。EViews将打开一个三标签的对话框。 第一个标签对话框Basic Regression被用来描述模型的基本回归部分。键入因变量和带有固定或递归系数的回归变量。在建立指定时EViews使用COEF对象代表未知参数。在底部，可以指定误差项一个ARMA结构。在这里，我们为上面的例子指定一个说明。 第二个标签对话框Stochastic Regressors被用来加带有随机系数的回归变量。在四个编辑区域中键入合适的回归变量。EViews允许定义具有如下四项组合的回归变量：固定均值系数、AR(1)系数、随机游动系数、带有漂移的随机游动系数。 最后， EViews允许选择状态空间模型的基本方差结构。点击第三个标签对话框Variance Specification， 为量测方程或状态方程选择方差矩阵类型：单位矩阵（Identity）、共同对角矩阵（Common Diagonal，对角元素是共同的方差）、一般对角矩阵（Diagonal）、无限制矩阵（Unrestricted）。对话框还允许为量测方程和状态方程选择非零的误差协方差阵。 需要强调指出的是，状态空间模型可以不必被对话框提供的选择限制。如果发现自动指定对话框的限制了模型指定，可以简单地使用它建立一个基本的指定，然后利用更一般的文本工具描述模型。 五、估计状态空间模型 一旦已经指定了一个状态空间模型，并且验证模型定义是正确的，打开估计对话框估计模型，点击工具菜单的Esimate按钮或者选择Procs/Estimate…。 和其他估计对象一样，EViews允许选择估计样本区间，循环的最大次数，收敛值，估计算法，导数计算设置和是否显示初始值。对大部分问题，缺省设置提供一个好的初始设置。 在进行模型估计时要注意下面两点： (1) 尽管EViews中卡尔曼滤波程序可以自动处理样本中的缺省值，但EViews要求估计样本必须是连续的，连续的观测值之间不能有缺口。 (2) 如果模型定义中有未知系数，为用卡尔曼滤波估计状态空间模型，需要指定初值。 六、解释估计结果 在选择方差选项并点击OK以后，EViews在状态空间窗口显示估计结果。 例2 建立变参数的IS模型： 其中GDP/P是实际收入，r 是利率，则自发支出?0用状态变量sv1表示， ?1用状态变量sv2表示，1/?1（即sv2的倒数）是IS曲线的斜率，随着时间的推移，可以观察IS曲线的变化，是越来越陡峭还是越来越平坦，从而看出货币政策的有效性。(22_1/is)： y =sv1+sv2*r(-3) + [var=abs(c(4))] @state sv1 =sv1(-1) + [var=abs(c(2))] @state sv2 =c(1)*sv2(-1) + [var=abs(c(3))] param c(1) 0.94 c(2) 3.5 c(3) 0.00001 c(4) 81 估计这个模型，EViews将打开估计输出视窗： 输出视窗与其他EViews估计对象相似。上面的信息描述估计的基本信息：状态空间对象名、估计方法、估计的时间和日期、样本区间、包含的样本数、收敛信息和系数估计。还显示最终的状态向量的一步向前预测值 和误差协方差矩阵 对角线元素