• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of applied econometrics >COMPARING SMOOTH TRANSITION AND MARKOV SWITCHING AUTOREGRESSIVE MODELS OF US UNEMPLOYMENT
【24h】

COMPARING SMOOTH TRANSITION AND MARKOV SWITCHING AUTOREGRESSIVE MODELS OF US UNEMPLOYMENT

机译：美国失业的平稳过渡和马尔可夫切换自动回归模型比较

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Logistic smooth transition and Markov switching autoregressive models of a logistic transform of the monthly US unemployment rate are estimated by Markov chain Monte Carlo methods. The Markov switching model is identified by constraining the first autoregression coefficient to differ across regimes. The transition variable in the LSTAR model is the lagged seasonal difference of the unemployment rate. Out-of-sample forecasts are obtained from Bayesian predictive densities. Although both models provide very similar descriptions, Bayes factors and predictive efficiency tests (both Bayesian and classical) favor the smooth transition model.
机译：通过马尔可夫链蒙特卡洛方法估计了美国月失业率的对数变换的逻辑平滑过渡和马尔可夫切换自回归模型。通过将第一个自回归系数约束为不同的状态来识别马尔可夫切换模型。 LSTAR模型中的过渡变量是失业率的滞后季节性差异。样本外预测是从贝叶斯预测密度获得的。尽管两个模型都提供了非常相似的描述，但贝叶斯因子和预测效率测试（贝叶斯和经典）都偏向于平滑过渡模型。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号