Bayesianisches VAR-Modell (BVAR)
Das Bayessche Vektor-Autoregressionsmodell (BVAR) erweitert das klassische VAR-Framework durch die Einbeziehung von Vorwissen über die Modellkoeffizienten. Priors – am häufigsten der Minnesota-Prior – schrumpfen VAR-Koeffizienten in Richtung ökonomisch sinnvoller Werte, wodurch Überanpassung drastisch reduziert und die Prognosegenauigkeit außerhalb der Stichprobe verbessert wird, selbst wenn die Anzahl der Variablen groß ist.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+11 more
Quellen
- Doan, T., Litterman, R., & Sims, C. (1984). Forecasting and conditional projection using realistic prior distributions. Econometric Reviews, 3(1), 1–100. DOI: 10.1080/07474938408800053 ↗
- Koop, G., & Korobilis, D. (2010). Bayesian Multivariate Time Series Methods for Empirical Macroeconomics. Foundations and Trends in Econometrics, 3(4), 267–358. DOI: 10.1561/0800000013 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Vector Autoregression Model. ScholarGate. https://scholargate.app/de/econometrics/bayesian-var-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesianischer ARDL-Bounds-TestÖkonometrie↔ compare
- Bayesian Structural VAR (B-SVAR) ModellÖkonometrie↔ compare
- Bayesianisches Vektor-Fehlerkorrekturmodell (Bayesian VECM)Ökonometrie↔ compare
- Strukturelle Vektorautoregression (SVAR)Ökonometrie↔ compare
- Vektorautoregression (VAR)Ökonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →