Autoregression vectorielle bayésienne (BVAR)
Le VAR bayésien ajoute des distributions a priori, dites du Minnesota ou autres, à un modèle autorégressif vectoriel pour maîtriser la surparamétrisation. Introduit par Litterman (1986) et étendu aux grandes dimensions par Bańbura, Giannone et Reichlin (2010), il surpasse le VAR classique sur des séries courtes et pour les prévisions macroéconomiques de grande dimension.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Litterman, R. B. (1986). Forecasting with Bayesian Vector Autoregressions—Five Years of Experience. Journal of Business & Economic Statistics, 4(1), 25-38. DOI: 10.1080/07350015.1986.10509491 ↗
- Bańbura, M., Giannone, D., & Reichlin, L. (2010). Large Bayesian Vector Auto Regressions. Journal of Applied Econometrics, 25(1), 71-92. DOI: 10.1002/jae.1137 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Bayesian Vector Autoregression. ScholarGate. https://scholargate.app/fr/econometrics/bvar
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.
- Autorégression vectorielle augmentée par des facteurs (FAVAR)Économétrie↔ compare
- Modèle à changement de régime markovien (MS-AR / MS-VAR)Économétrie↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- VAR Seuil et VAR à Transition Lisse (TVAR / STVAR)Économétrie↔ compare
- Modèle de Vector Autoregression (VAR)Économétrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →