马尔科夫机制转换模型应用举例：
如果观察宏观经济或金融时间序列足够长的时间，则可以看到很多变量有许多戏剧性的变化。这种明显的变化可能源于战争、金融恐慌、或ZF政策的显著变化。如果变量的历史数据已经给出，我们可以根据显著变化的次数将时间序列划分成不同阶段，然后分别建模。但是变量的显著变化没有理由不再发生，机制的变化肯定不能完全视作完全可预见的、确定性事件，此时，用历史数据分别拟合的模型来进行预测就不恰当了。Markov机制转换模型能将这种机制的转换作为一个内生变量，在模型的估计中用一个同一的模型来拟合，不仅可更加符合实际情况，而且有利于利用模型对未来进行预测。在Markov机制转换模型中，假定机制的转换是具有依赖性的，如果t时刻的机制只依赖于t-1时刻的机制，那么模型的变化是一阶的；如果t时刻的机制只依赖t-1和他－2时刻的机制，那么模型的变化是二阶的。再则，模型中一种机制对应时间序列的一种状态方式，对于平稳时间序列来说即对应一个均值和一个方差。根据经济理论，一些宏观经济或金融变量的时间序列在理论上是有不同的机制变化方式的，比如根据现代增长型经济周期理论，我们知道经济增长存在者显著的扩张和收缩两种状态的变化，如此，在对经济增长率的拟合模型中可以考虑设定两状态的模型。同时，模型对于机制即状态的设定是以概率分布的形式给出的，即对某一时刻变量所处的状态的判断不再是武断的，而是给出其在各种不状态上的一个概率分布，这样的设定在复杂的经济变量的变化中更符合现实也更具有科学性。

详细使用参见文章 “Markov机制转换模型研究——在我国经济增长分析中的应用”