Bajeziāņu vektorautoregresijas modelis (BVAR)
Bajeziāņu VAR pievieno Minesotas vai citas priekšējās distributions funkcijas vektorautoregresijas modelim, lai kontrolētu pārmērīgu parametrizāciju. Ieviesa Litterman (1986) un paplašināja augstām dimensijām Bańbura, Giannone un Reichlin (2010), tas pārspēj klasisko VAR uz īsiem datu kopumiem un augstdimensiju makroekonomiskajām prognozēm.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Bayesian Vector Autoregression. ScholarGate. https://scholargate.app/lv/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.
- Faktoru papildinātais vektorautoregresijas modelis (FAVAR)Ekonometrija↔ compare
- Markov režīmu pārslēgšanās modelis (MS-AR / MS-VAR)Ekonometrija↔ compare
- Parastā mazāko kvadrātu (OLS) regresijaEkonometrija↔ compare
- Kopneses un gludās pārejas VAR (TVAR / STVAR)Ekonometrija↔ compare
- Vektora autoregresijas (VAR) modelisEkonometrija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →