ScholarGate
Assistent
Regression model

Faktoraugmenterad vektorautoregression (FAVAR)

FAVAR är en multivariat tidsseriemodell som först komprimerar information från en mycket stor mängd variabler till ett fåtal gemensamma faktorer, och sedan inkluderar dessa faktorer tillsammans med de observerade variablerna i en vektorautoregression. Modellen introducerades av Bernanke, Boivin och Eliasz år 2005 för att studera penningpolitik med hundratals makroekonomiska indikatorer samtidigt.

Tillämpa med EconMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

The neighbourhood of related methods — select a node to explore.

Källor

  1. 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
  2. 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

Så citerar du den här sidan

ScholarGate. (2026, June 1). Factor-Augmented Vector Autoregression. ScholarGate. https://scholargate.app/sv/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.

Compare side by side

Refereras av

ScholarGateFAVAR (Factor-Augmented Vector Autoregression). Hämtad 2026-06-15 från https://scholargate.app/sv/econometrics/favar · Datamängd: https://doi.org/10.5281/zenodo.20539026