การแยกส่วนความแปรปรวนของความคลาดเคลื่อนในการพยากรณ์ (FEVD)
การแยกส่วนความแปรปรวนของความคลาดเคลื่อนในการพยากรณ์ (FEVD) เป็นเทคนิคอนุกรมเวลาหลายตัวแปรที่ใช้ในกรอบการทำงานของ Vector Autoregression (VAR) เพื่อวัดสัดส่วนของความแปรปรวนของความคลาดเคลื่อนในการพยากรณ์ของแต่ละตัวแปรที่เกิดจากผลกระทบ (shocks) จากตัวแปรอื่น ๆ ทั้งหมดในระบบ เป็นที่นิยมใช้กันอย่างแพร่หลายโดยนักเศรษฐมิติ นักเศรษฐศาสตร์มหภาค และนักวิจัยทางการเงิน เพื่อประเมินความสำคัญสัมพัทธ์ของความปั่นป่วนเชิงโครงสร้างที่แตกต่างกันในการขับเคลื่อนความผันผวนทั้งในระยะสั้นและระยะยาวในชุดข้อมูลเศรษฐกิจที่มีความเชื่อมโยงกัน.
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Lütkepohl, H. (2005). New Introduction to Multiple Time Series Analysis. Springer. ISBN: 978-3-540-40172-8
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Forecast Error Variance Decomposition (FEVD). ScholarGate. https://scholargate.app/th/econometrics/forecast-error-variance-decomposition
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.
- ฟังก์ชันการตอบสนองต่อแรงกระตุ้น (Impulse Response Function - IRF)เศรษฐมิติ↔ compare
- แบบจำลองเวกเตอร์อัตถารวมเชิงโครงสร้าง (Structural Vector Autoregression: SVAR)เศรษฐมิติ↔ compare
- แบบจำลอง Vector Autoregression (VAR)เศรษฐมิติ↔ compare