假设一个潜在过程是一个随机漫步。状态方程是
在哪里
为高斯分布,均值为0,标准差为1。
随机生成100个观测值
,假设级数从1.5开始。
进一步假设潜在过程受到可加性测量误差的影响。观测方程为
在哪里
为高斯分布,均值为0,标准差为1。
使用随机潜在状态过程(x
)和产生观测值的观测方程。
潜过程和观测方程共同构成状态空间模型。假设状态是一个平稳的AR(1)过程。则需要估计的状态空间模型为
指定系数矩阵。使用南
未知参数的值。
使用系数矩阵指定状态空间模型。定义初始状态分布是平稳的StateType
名称-值对的论点。
Mdl
是一个舰导弹
模型。软件为初始状态的平均值和方差设置值。使用命令窗口中的显示来验证模型是否被正确指定。
将观察结果传递给估计
来估计参数。为params0
参数不太可能与它们的真实值对应。的下界约束0
对于标准差。
警告:由于反演困难,估计器的协方差矩阵无法精确计算。检查参数的可识别性。还可以尝试不同的初始值和其他选项来计算协方差矩阵。
方法:最大似然(fmincon)样本量:100对数似然:-2464.23 Akaike信息准则:4934.46贝叶斯信息准则:4942.27 | t统计概率多项式系数Std犯错 ------------------------------------------------------------ c (1) | -9.99977 9.99977 e + e + 06 05年-10.00000 0 c (2) | 1.23086 e + 05年1.91161 e + 13 c (3) | 2006.86501 - 3.11680 0.00000 - 1.00000 0.00000 - 1.00000 e + 11 | |最终状态性病Dev t统计概率x (1) | -3.37649 1999.42392 -0.00169 0.99865
估计
不能聚合,因此结果是不可取的。
完善params0
使用完善
.
refinedParams0 =1×30.9705 -0.8934 0.9330
描述= 'Nelder-Mead simplex'
产生最高对数似然值的算法为松界内点
,这是第三个结构体
在结构数组中输出
.
估计Mdl
使用refinedParams0
,为优化后的初始参数值向量。
方法:最大似然(fmincon)样本量:100对数似然:-181.379赤湖信息准则:368.758贝叶斯信息准则:376.574 | t统计概率多项式系数Std犯错 --------------------------------------------------- c (1) 0 c(2) | | 0.97050 0.02863 33.90367 0.89343 0.18521 4.82401 0.00000摄氏度(3)| 0.93303 0.15176 6.14806 0 | |最终状态性病Dev t统计概率x (1) | -3.93007 0.72066 -5.45343 0
估计
收敛,使参数估计更可取。AR模型系数在两个标准误差1以内,说明状态过程是随机游走。