Wektorowa autokorelacja z uwzględnieniem czynników (FAVAR)
FAVAR to wielowymiarowy model szeregów czasowych, który najpierw kompresuje informacje z bardzo dużego zbioru zmiennych do kilku wspólnych czynników, a następnie włącza te czynniki wraz z obserwowanymi zmiennymi do modelu wektorowej autokorelacji. Został wprowadzony przez Bernanke, Boivina i Eliasza w 2005 roku w celu badania polityki pieniężnej przy jednoczesnym wykorzystaniu setek wskaźników makroekonomicznych.
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
- Bernanke, B. S., Boivin, J. & Eliasz, P. (2005). Measuring the Effects of Monetary Policy: A Factor-Augmented Vector Autoregressive (FAVAR) Approach. The Quarterly Journal of Economics, 120(1), 387-422. DOI: 10.1162/0033553053327452 ↗
- Stock, J. H. & Watson, M. W. (2002). Macroeconomic Forecasting Using Diffusion Indexes. Journal of Business & Economic Statistics, 20(2), 147-162. DOI: 10.1198/073500102317351921 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Factor-Augmented Vector Autoregression. ScholarGate. https://scholargate.app/pl/econometrics/favar
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.
- 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 →