Autoregresja wektorowa bayesowska (BVAR)
BVAR dodaje do modelu autoregresji wektorowej rozkładów a priori typu Minnesota lub innych, aby kontrolować nadmierną parametryzację. Wprowadzony przez Littermana (1986) i rozszerzony na wysokie wymiary przez Bańburę, Giannone i Reichlina (2010), przewyższa klasyczną VAR w przypadku krótkich szeregów i prognoz makroekonomicznych o dużej liczbie wymiarów.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Bayesian Vector Autoregression. ScholarGate. https://scholargate.app/pl/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.
- Wektorowa autokorelacja z uwzględnieniem czynników (FAVAR)Ekonometria↔ compare
- Model Markowa z przełączaniem reżimów (MS-AR / MS-VAR)Ekonometria↔ compare
- Regresja metodą najmniejszych kwadratów (OLS)Ekonometria↔ compare
- Progowy i gładko-przejściowy VAR (TVAR / STVAR)Ekonometria↔ compare
- Model Autoregresji Wektorowej (VAR)Ekonometria↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →