دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Mariano R.S., Tanizaki H. سری: ناشر: سال نشر: 1996 تعداد صفحات: 23 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Simulation-based inference in nonlinear state-space models: Application to testing the permanent income hypothesis به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب استنتاج مبتنی بر شبیه سازی در مدل های فضای حالت غیر خطی: کاربرد برای آزمایش فرضیه درآمد دائمی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این مقاله به کاربرد تکنیکهای فیلتر غیرخطی/غیر عادی برای آزمایش فرضیه درآمد دائمی میپردازد. ما یک مدل فضای حالت غیر نزدیک به طور کلی برای مصرف دائمی بینظیر تنظیم کردیم، و میزان سلام را در این موضوع مشهور گسترش دادیم. نماینده نماینده به دلیل پیچیدگی های غیرخطی در مدل، شبیه سازی های تصادفی برای به دست آوردن تخمین های عددی حداکثر احتمال پارامترهای مدل ناشناخته استفاده می شود. رویکرد مدلسازی و استفاده از شبیهسازیهای تصادفی به ما امکان میدهد مصرف دائمی مشاهده نشده را در طول دوره نمونه تخمین بزنیم.
This paper deals with the application of nonlinear/nonnormal filtering techniques to testing the permanent income hypothesis. We set up a general non-?near state-space model for unobrerved permanent consumption, extending the hi rature on this celebrated topic ьо a simultaneous consideration of transitory consumption, variable interest rates, and nonlinearity of the Euler equation derived from utility maximization by the representative agent. Because of the nonlinear complexities in the model, stochastic simulations are used to obtain numerical maximum likelihood estimates of unknown model parameters. Our modeling approach and use of stochastic simulations also allow us to estimate unobserved permanent consumption over the sample period.