| dc.contributor.advisor | 徐士勛 | zh_TW |
| dc.contributor.author (Authors) | 陳亭翰 | zh_TW |
| dc.creator (作者) | 陳亭翰 | zh_TW |
| dc.date (日期) | 2016 | en_US |
| dc.date.accessioned | 1-Jul-2016 15:24:30 (UTC+8) | - |
| dc.date.available | 1-Jul-2016 15:24:30 (UTC+8) | - |
| dc.date.issued (上傳時間) | 1-Jul-2016 15:24:30 (UTC+8) | - |
| dc.identifier (Other Identifiers) | G0103258034 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/98647 | - |
| dc.description (描述) | 碩士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 經濟學系 | zh_TW |
| dc.description (描述) | 103258034 | zh_TW |
| dc.description.abstract (摘要) | 國內生產毛額作為總和國內經濟狀況的綜合性指標, 一直是政府機關與民間機構在進行決策時的重要參考之一。 然而, 也因為需要整合較多的統計資料做計算, 國內生產毛額因此僅有季的低頻資料。 為了能夠精準地預測此類低頻資料, 多數學者遂以數學模型將高頻與低頻資料做連結, 期能透過模型找到高頻資料所隱含的資訊來預測低頻資料, 即期預測 (Nowcasting) 即是此類型預測的概稱。 透過即期預測, 我們可以快速掌握當下的經濟狀況, 以做出更合適的決策。 據此, 本文將依Banbura, Giannone and Reichlin (2010),以狀態空間模型 (State Space Model) 搭配卡爾曼濾波器 (Kalman Filter) 來實現對國民生產毛額的即期預測, 並藉此模型對我國經濟體進行相關分析。 | zh_TW |
| dc.description.tableofcontents | 1 緒論 11.1 研究動機與目的 11.2 研究架構 22 文獻回顧 33 研究方法 63.1 模型設定與演算法 73.1.1 月資料模型 73.1.2 卡爾曼濾波器 83.1.3 期望最大化演算法 103.1.4 季資料模型 123.1.5 遺失資料之處理 143.1.6 主成份分析法 153.2 估計步驟 184 實證結果 204.1 資料說明 204.2 單根檢定 204.3 分析結果 214.3.1 狀態空間模型之分析結果 214.3.2 狀態空間模型對月資料之預測 274.3.3 主成份分析法之分析結果 304.3.4 狀態空間模型與主成份分析法之比較 375 結論 39A 狀態空間模型之矩陣形式 45B 最大概似函數 47C 敘述統計量 49D ADF檢定結果 55E 表一詳細數據 58F 狀態空間模型之估計係數 61 | zh_TW |
| dc.format.extent | 1788266 bytes | - |
| dc.format.mimetype | application/pdf | - |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#G0103258034 | en_US |
| dc.subject (關鍵詞) | 即期預測 | zh_TW |
| dc.subject (關鍵詞) | 狀態空間模型 | zh_TW |
| dc.subject (關鍵詞) | 卡爾曼濾波器 | zh_TW |
| dc.title (題名) | 以狀態空間模型即期預測台灣國內生產毛額 | zh_TW |
| dc.title (題名) | Nowcasting GDP of Taiwan by State Space Model | en_US |
| dc.type (資料類型) | thesis | en_US |
| dc.relation.reference (參考文獻) | 張志揚 (2013) , 「台灣總體經濟即期季模型之建立-運用月資料改善國民所得預測」, 中央銀行季刊, 第 35 卷第 3 期, 頁 37 - 60。彭素玲、 周濟 (2001),「台灣總體經濟即期季模型之建立與應用」, 中央研究院經濟研究所, 台灣經濟預測與政策, 第32卷第1期, 頁 77 - 116 。Aruoba, S.B., Diebold, F.X. and Scotti, C. (2008), ”Real-Time Measurement of Business Conditions.” NBER Working Paper No. 14349Banbura, M., Giannone, D., Reichlin, L. ( 2010),”Nowcasting.” eCB Work-ing Paper No 1275, Europe Central Bank.Doz, C., D. Giannone, and L. Reichlin (2005), ”A two-step estimator forlarge approximate dynamic factor models based on Kalman Filtering.”Manuscript, Universit’e Libre de Bruxelles.Giannone D, Reichlin L, Small D. (2008), ”Nowcasting: the real-time in-formational content of macro economic data.” Journal of MonetaryEconomics, 55(4), 665 - 676.Mariano, R., Murasawa, Y. (2003), ”A new coincident index of businesscycles based on monthly and quarterly series.” Journal of AppliedEconometrics 18 : 427 - 443. | zh_TW |
