计量经济学：状态空间模型预测 - 页 26

[EconModel]

anonymous:

每一门计量经济学课程（你真的是计量经济学家吗：）都会告诉我们模型参数估计值的方差是多少，以及估计值向真实值收敛的速度：样本量越小，如果序列中没有结构性变化，模型参数估计值的方差就越大。随着样本量的增加，方差（最常见的是：）以eps*sqrt(n)的形式减少，eps>0，n是观察值的数量。

参数估计误差对任何模型的误差都有贡献。因此，参数估计的准确性越小，模型的误差就越大。

另一方面，小窗口可以适应参数的变化。在实践中，这个问题通过解决模型参数的衰减问题而不是减少窗口大小来解决要好得多。

在每一个计量经济学 课程中（你真的是一个计量经济学家吗？）

我不是一个计量经济学家--我有一个计量经济学的学位。正如他们所说的那样，感受一下差异。

在我的工作中，我被限制在一个特定的软件包中，不能超越它。 该软件包包括按以下标准选择最佳模型。

#                                       opt.crit=       c(  "lik",  #   log-правдоподобие (умолчан)
#                                                       "amse", #   mse для первого прогноза
#                                                        "mse",  #   среднеквадратичная ошибка 
#                                                        "sigma",#   стандартное отклонение остатка
#                                                        "mae"), #   среднее абсолютного остатка
                                        opt.crit=       c("lik"),   #   log-правдоподобие (умолчан)

我从一本伴随着模型的书中读到，对于不同的初始随机过程，不同的标准会给出更好的结果，但平均来说，最好的结果是给出对数可能性。

通过测试器，我发现我的样品的窗口从20条到40条不等--大约是相同的结果，但在这些尺寸之外就会急剧恶化。但这是在我的特定样本上。我希望有一些其他的依据--我不相信这个测试器，它给出了一个私人的结果，而且没有依据来概括这个结果。

[EconModel]

yosuf:
我对那里的功能类型W感兴趣。余额几乎没有什么意义，分析一下手段（股权）。

没有什么特别神秘的，因为使用的是公共包，但我仍在等待1200个注销的指标，我们可以用R语言交谈（在计算的意义上）。