Regresja MIDAS: Prognozowanie w warunkach mieszanych częstotliwości danych
Regresja MIDAS (Mixed Data Sampling) to ekonometryczna metoda, która bezpośrednio wykorzystuje predyktory o wysokiej częstotliwości w modelach dla zmiennych zależnych o niższej częstotliwości, bez konieczności agregacji czasowej regresorów. Wprowadzona przez Erica Ghyselsa, Arthura Sinko i Rossena Valkanova w 2007 roku, MIDAS wykorzystuje oszczędnie sparametryzowane wielomiany opóźnień — takie jak schematy wag Beta lub Exponential Almon — do podsumowania treści informacyjnej wielu opóźnień o wysokiej częstotliwości, unikając jednocześnie nadmiernego rozrostu parametrów.
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
- Ghysels, E., Sinko, A., & Valkanov, R. (2007). MIDAS regressions: Further results and new directions. Econometric Reviews, 26(1), 53–90. DOI: 10.1080/07474930600972467 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Mixed Data Sampling (MIDAS) Regression. ScholarGate. https://scholargate.app/pl/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.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometria↔ compare
- Dynamiczny Model CzynnikowyEkonometria↔ compare
- Model Autoregresji Wektorowej (VAR)Ekonometria↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →