Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Байєсівська векторна авторегресія (BVAR)× | Регресія звичайно найменших квадратів (ЗНК)× | |
|---|---|---|
| Галузь | Економетрика | Економетрика |
| Родина | Regression model | Regression model |
| Рік появи≠ | 1986 | 2019 |
| Автор методу≠ | Litterman (1986); Bańbura, Giannone & Reichlin (2010) | Wooldridge (textbook treatment); classical least squares |
| Тип≠ | Bayesian multivariate time-series model | Linear regression |
| Основоположне джерело≠ | Litterman, R. B. (1986). Forecasting with Bayesian Vector Autoregressions—Five Years of Experience. Journal of Business & Economic Statistics, 4(1), 25-38. DOI ↗ | Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860 |
| Інші назви | BVAR, Bayesian vector autoregression, Minnesota prior VAR, Bayesian VAR (BVAR) | ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu |
| Пов'язані | 5 | 5 |
| Підсумок≠ | Bayesian VAR adds Minnesota or other prior distributions to a vector autoregressive model to control over-parameterisation. Introduced by Litterman (1986) and extended to high dimensions by Bańbura, Giannone and Reichlin (2010), it outperforms classical VAR on short series and high-dimensional macroeconomic forecasts. | Ordinary Least Squares is the classical linear regression method that explains a continuous outcome as a linear combination of predictors. It estimates the coefficients by minimising the sum of squared residuals, and under the Gauss-Markov assumptions these estimates are the best linear unbiased estimator (BLUE). |
| ScholarGateНабір даних ↗ |
|
|