MIDAS-regressio: Ennustaminen eri taajuuksilla
MIDAS (Mixed Data Sampling) -regressio on ekonometrinen kehys, joka sisällyttää suurtaajuisia ennustemuuttujia malleihin matalataajuisille selitettäville muuttujille ilman, että ennustemuuttujia tarvitsee ajallisesti aggregoida. Eric Ghyselsin, Arthur Sinkon ja Rossen Valkanovin vuonna 2007 esittelemä MIDAS käyttää säästeliäästi parametrisoituja viivepolynomeja – kuten Beta- tai eksponentiaalista Almon-painotusta – tiivistämään monien suurtaajuisten viiveiden informaatiosisältöä välttäen samalla parametrien lisääntymistä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Ghysels, E., Sinko, A., & Valkanov, R. (2007). MIDAS regressions: Further results and new directions. Econometric Reviews, 26(1), 53–90. DOI: 10.1080/07474930600972467 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Mixed Data Sampling (MIDAS) Regression. ScholarGate. https://scholargate.app/fi/econometrics/midas-regression
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.
- ARIMA (Autoregressive Integrated Moving Average) -malliEkonometria↔ compare
- Dynaaminen faktorisointimalliEkonometria↔ compare
- Vektorien autoregressiomalli (VAR-malli)Ekonometria↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →