版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、狀態(tài)空間模型應(yīng)用廣泛,它的優(yōu)勢是將不可觀測變量并入可觀測模型。隨著指數(shù)理論的發(fā)展完善,其應(yīng)用領(lǐng)域的不斷擴大,指數(shù)已成為反映宏微觀經(jīng)濟發(fā)展?fàn)顩r的重要指標。指數(shù)偏差的研究逐漸提上日程。鑒于影響CPI偏差的因素龐雜,包含可觀測因素和不可觀測因素。傳統(tǒng)的研究偏差研究注重微觀層面,即質(zhì)量調(diào)整方法及其改進;本文嘗試彌補偏差的宏觀層面研究的缺失,即從經(jīng)濟系統(tǒng)內(nèi)部影響因素傳導(dǎo)中體現(xiàn)的偏差。論文運用狀態(tài)空間模型研究CPI的偏差,基本思路為:采用基于時間序
2、列的狀態(tài)空間模型估計出真實CPI,進一步測算出CPI偏差,在此基礎(chǔ)上對指數(shù)偏差的改進和CPI數(shù)據(jù)質(zhì)量的控制進行探討、分析。
本論文共分為六個部分,第一部分是引言,包括論文的研究目的和研究意義,同時介紹了研究現(xiàn)狀和針對研究的問題進行了界定;第一、二、三、四章是論文的核心內(nèi)容,主要以實證分析為主、規(guī)范分析為輔的方法,并以理論分析為主且結(jié)合經(jīng)驗分析的方法,其中第一章回顧了國內(nèi)外指數(shù)偏差的研究理論成果,并對本論文指數(shù)偏差及相關(guān)概念進行
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于偏差流的定位裝配狀態(tài)空間模型優(yōu)化研究.pdf
- 基于狀態(tài)空間模型的房地產(chǎn)“情緒指數(shù)”研究.pdf
- 我國虛擬經(jīng)濟狀態(tài)指數(shù)構(gòu)建與應(yīng)用研究——基于VAR模型和狀態(tài)空間模型.pdf
- 基于Markov狀態(tài)轉(zhuǎn)換模型的上海期貨銅指數(shù)的預(yù)測分析.pdf
- 中國省級居民消費價格指數(shù)波動特征分析——基于狀態(tài)空間分層動態(tài)因子模型.pdf
- 基于狀態(tài)空間模型的FACTS控制策略研究.pdf
- 基于空調(diào)系統(tǒng)狀態(tài)空間模型的MPC控制研究.pdf
- 基于狀態(tài)空間模型、Kalman濾波等方法對中國股市的預(yù)測及分析.pdf
- 基于狀態(tài)空間模型的賠款準備金的研究.pdf
- 中國省級居民消費價格指數(shù)波動特征分析——基于狀態(tài)空間分層動態(tài)因子模型
- 基于狀態(tài)空間模型的時序數(shù)據(jù)的處理與分析研究.pdf
- 基于狀態(tài)空間模型的基金風(fēng)格漂移研究.pdf
- 基于狀態(tài)空間模型的復(fù)雜動態(tài)過程監(jiān)測方法研究.pdf
- 狀態(tài)空間模型辨識方法研究.pdf
- 通貨膨脹的影響因素分析——基于向量自回歸模型和狀態(tài)空間模型.pdf
- 公共政策執(zhí)行偏差分析及對策研究.pdf
- 轎車車身裝配偏差流的狀態(tài)空間建模方法及應(yīng)用基礎(chǔ)研究.pdf
- 狀態(tài)空間模型對SCD模型的估計.pdf
- 狀態(tài)空間模型辨識方法研究
- 基于狀態(tài)空間模型的金融時間序列預(yù)測方法.pdf
評論
0/150
提交評論