Faktör Destekli Vektör Otokoregresyonu (FAVAR)
Factor-Augmented Vector Autoregression · Ayrıca şöyle bilinir: factor-augmented VAR, FAVAR model, Faktör Artırımlı VAR (FAVAR)
FAVAR, çok sayıda değişkenin bilgisini öncelikle birkaç ortak faktöre sıkıştırıp ardından bu faktörleri vektör otokoregresyonundaki gözlemlenen değişkenlerle birlikte içeren çok değişkenli bir zaman serisi modelidir. Bernanke, Boivin ve Eliasz tarafından 2005 yılında, yüzlerce makroekonomik göstergeyi aynı anda kullanarak para politikasını incelemek amacıyla tanıtılmıştır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Çok sayıda sürekli, durağan zaman serisine (potansiyel olarak dönem sayısı T'den çok daha fazla p) sahip olduğunuzda ve hepsinin açıklayıcı zenginliğini kompakt bir VAR içinde istediğinizde FAVAR'ı kullanın. Tahminleme, ilişki analizi ve makroekonomik dinamiklerin açıklanması için uygundur. Veride güvenilir bir faktör yapısı, durağanlık ve makul bir örneklem (en az yaklaşık 60 dönem) gerektirir. Yalnızca birkaç seri mevcut olduğunda veya ortak bir faktör yapısı olmadığında uygun değildir.
Güçlü yönler & sınırlılıklar
- Yüzlerce değişkenin bilgisini küçük, tahmin edilebilir bir VAR'a getirerek boyutluluk lanetinden kaçınır.
- Küçük VAR'ları etkileyen eksik değişken ve 'fiyat bulmacası' sorunlarını geniş bilgiye koşullandırarak hafifletir.
- Gerçek bir faktör yapısının var olmasını gerektirir; değişkenler ortak faktörleri paylaşmıyorsa sıkıştırma anlamsızdır.
- Tüm seriler durağan olmalı ve örneklem makul derecede uzun olmalıdır (en az yaklaşık 60 dönem).
- Faktörler gözlemlenmez, tahmin edilir, bu nedenle yorumlanmaları zor olabilir ve ikinci aşamaya tahmin belirsizliği ekler.
- Faktör sayısını rastgele seçmek — çok azı bilgiyi atar, çok fazlası boyutluluk sorununu yeniden getirir.
SSS
Düz bir VAR, serbestlik dereceleri tükenmeden yalnızca birkaç değişkeni içerebilir. FAVAR önce büyük bir veri kümesini az sayıda tahmin edilmiş faktöre özetler ve ardından bu faktörleri VAR'a yerleştirir, böylece sistem küçük kalırken yüzlerce seriyi yansıtır.
Faktörler nasıl tahmin edilir?
En yaygın olarak standartlaştırılmış, durağan serilerden oluşan büyük panel üzerinde temel bileşen analizi ile. Önde gelen bileşenler, tüm veri kümesini yönlendiren ortak faktörler olarak hizmet eder.
Kaç faktör dahil etmeliyim?
Tek bir cevap yok; bilgi kriterleri ve açıklanan varyans oranı seçimi yönlendirir. Çok az faktör sinyali atar, çok fazlası ise yöntemin kaçınmak için tasarlandığı yüksek boyutluluk sorununu yeniden getirir.
Serilerimin durağan olması gerekiyor mu?
Evet. Hem faktör çıkarma hem de VAR durağan girdi gerektirir, bu nedenle durağan olmayan seriler tahmin öncesinde dönüştürülmelidir (örneğin farkı alınarak).
FAVAR'ı StatWise'da kendi verilerinize doğrudan çalıştırın — büyük makroekonomik seriler panelinizi yükleyin, faktör sayısını ve VAR gecikme uzunluğunu ayarlayın ve çıkarılmış faktörleri, desteklenmiş VAR tahminlerini ve etki tepkilerini tek bir yerde elde edin.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Factor-Augmented Vector Autoregression. ScholarGate. https://scholargate.app/tr/econometrics/favar
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Markov Rejim Değişim Modeli (MS-AR / MS-VAR)Ekonometri↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Eşikli ve Yumuşak Geçişli VAR (TVAR / STVAR)Ekonometri↔ karşılaştır
- Vektör Otoregresyon (VAR) ModeliEkonometri↔ karşılaştır