|
|
|
|
| |
|
|
| 姜, 興起; 野田, 英雄; Kyo, Koki; Noda, Hideo. |
| 多くの経済時系列データは，トレンド，季節変動，循環変動などの複数の変動成分 を含むと考えられる．本稿では，循環変動がAR モデルで表現される場合の変動成分 (AR 成分) に着目する．モデル構築においてそうした経済時系列の構造が適切に反映さ れていなければ，分析の結果，誤った結論を導く危険性がある．本稿の目的は，AR 成 分を導入した季節調整モデルのパラメータを推定するための新たなアプローチを開発し， 従来のアプローチとの比較で我々の新規提案法の優位性を示すことである．新規提案の 逐次推定法と従来の同時最適化による同時推定法のアルゴリズムのパフォーマンスをシ ミュレーションによって検討した結果，逐次推定法のアルゴリズムの方がきわめて短い 計算時間で済み，かつ安定的な推定結果を導くことが確認された． In general, economic time series data consist of trend, seasonal variation, cyclical variation, and others. This paper focuses on a cyclical variation represented by an autoregressive (AR) model, that is, AR component. If such structure of economic time series is not appropriately reflected in modeling, then analytical results might be misleading. This paper aims to develop a new method for estimating... |
|
Palavras-chave: 同時推定法; 逐次推定法; 経済時系列解析; 季節調整; 状態空間モデル; Simultaneous estimation; Recursive estimation; Economic time series analysis; Seasonal adjustment; State space model. |
| Ano: 2011 |
URL: http://ir.obihiro.ac.jp/dspace/handle/10322/3127 |
| |
|
|
|
