Regresija MIDAS: prognozēšana, izmantojot dažādas datu frekvences
MIDAS (Mixed Data Sampling) regresija ir ekonometrisks ietvars, kas tieši iekļauj augstas frekvences prognozētājus modeļos zemākas frekvences iznākuma mainīgajiem, neprasot regresoru temporālu agregāciju. MIDAS, ko 2007. gadā ieviesa Ēriks Gijsels, Artūrs Sinku un Rosens Valkanovs, izmanto taupīgi parametrizētus aiztures polinomus — piemēram, Beta vai Eksponenciālās Almonas svēršanas shēmas — lai apkopotu daudzu augstas frekvences aizturu informācijas saturu, vienlaikus izvairoties no parametru pavairošanās.
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
- Ghysels, E., Sinko, A., & Valkanov, R. (2007). MIDAS regressions: Further results and new directions. Econometric Reviews, 26(1), 53–90. DOI: 10.1080/07474930600972467 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Mixed Data Sampling (MIDAS) Regression. ScholarGate. https://scholargate.app/lv/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 (autoregresīvais integrētais slīdošā vidējā) modelisEkonometrija↔ compare
- Dinamiskais faktormodelisEkonometrija↔ compare
- Vektora autoregresijas (VAR) modelisEkonometrija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →