查看“︁混合数据抽样”︁的源代码

'''混合數據抽樣（Mixed-data sampling, MIDAS）'''是由 Ghysels 等人所發展的一種[[計量經濟]][[迴歸]]或篩選法。[[迴歸#簡單線性回歸|簡單迴歸]]的迴歸變數（regressors）出現頻率高於迴歸值（regressand）：

:<math>y_t = \beta_0 + \beta_1 B(L^{1/m};\theta)x_t^{(m)} + \varepsilon_t^{(m)},\,</math>

其中''y''是迴歸值，''x''是迴歸變數，''m''表示頻率。舉例來說，如果''y''是年度，<math>x_t^{(4)}</math>就是季，<math>\varepsilon</math>是誤差項（disturbance）而<math>B(L^{1/m};\theta)</math>是落後分配(lag distribution)，如[[B函數]]或[[Distributed_lag#有限落差分配|Almon Lag]]。

這個迴歸模型應用在混合頻率數據上有時可以代替[[卡爾曼濾波]]。Bai, Ghysels and Wright（2010）探討MIDAS迴歸與[[卡爾曼濾波]][[狀態空間]]模型應用於混合頻率數據的關係。一般來說，後者是[[方程組]]，而MIDAS迴歸只有一條[[方程|方程式]]。因此，MIDAS迴歸或許效率較差，但比較不容易出錯。以MIDAS迴歸作為近似值的誤差不大。

==參閱==
*[[Distributed lag]]
*[[ARMA模型]]

==參考文獻==
* Bai, J., {{tsl|en|Eric Ghysels|Eric Ghysels}} and Jonathan Wright (2010), State Space Models and MIDAS Regressions, Discussion Paper UNC.
* {{tsl|en|Eric Ghysels|Eric Ghysels}}, Sinko, A., Valkanov, R. (2007) ''MIDAS Regressions: Further Results and New Directions''.  [[Econometric Reviews]], 26 (1), 53–90

==外部連結==
*[http://www.unc.edu/~eghysels/ Eric Ghysels] {{Wayback|url=http://www.unc.edu/~eghysels/ |date=20180324012256 }}
*[http://mpiktas.github.io/midasr// R code for midas regression models] {{Wayback|url=http://mpiktas.github.io/midasr// |date=20210308235952 }}
*[http://www.mathworks.com/matlabcentral/fileexchange/45150-midas-regression/ Matlab code for midas regression models] {{Wayback|url=http://www.mathworks.com/matlabcentral/fileexchange/45150-midas-regression/ |date=20150428062152 }}

[[分类:经济学]]