Estimating dynamic equilibrium economies: linear versus nonlinear likelihood
动态均衡经济的估计：线性与非线性似然比较AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要围绕动态经济模型的序贯滤波、状态演化与似然推断展开，直接支持时间序列方法分类，未涉及宏观预测比较。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
动态均衡经济的估计：线性与非线性似然比较
- 研究问题
- 动态均衡经济模型中，保留非线性结构的序贯蒙特卡洛滤波与稳态附近线性化的卡尔曼滤波，会产生怎样的推断差异？
- 方法与思路
- 作者使用序贯蒙特卡洛模拟评估非线性模型似然，并与线性化模型的卡尔曼滤波比较，考察模拟与真实数据的边际似然和模型矩。
- 材料陈述的贡献
- 摘要称，非线性滤波在所考察数据中具有更高边际似然，即使模型近似线性；较小的点估计差异也明显影响模型矩。
- 阅读关注点
- 应核对模型结构、先验和边际似然计算是否可比，以及模拟误差、计算成本和参数差异如何传递至模型矩。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体模型、误差控制及比较数值未说明，作者的优势结论不能推广至所有经济模型或推断版本变化。
原文摘要
Abstract This paper compares two methods for undertaking likelihood‐based inference in dynamic equilibrium economies: a sequential Monte Carlo filter and the Kalman filter. The sequential Monte Carlo filter exploits the nonlinear structure of the economy and evaluates the likelihood function of the model by simulation methods. The Kalman filter estimates a linearization of the economy around the steady state. We report two main results. First, both for simulated and for real data, the sequential Monte Carlo filter delivers a substantially better fit of the model to the data as measured by the marginal likelihood. This is true even for a nearly linear case. Second, the differences in terms of point estimates, although relatively small in absolute values, have important effects on the moments of the model. We conclude that the nonlinear filter is a superior procedure for taking models to the data. Copyright © 2005 John Wiley & Sons, Ltd.