Fontes acadêmicas e de pesquisa
Stock and Watson (2002a) 'Forecasting Using Principal Components from a Large Number of Predictors': the theory paper (JASA) establishing consistency of principal-components factor estimation and factor-augmented forecasting in large panels.
Journal of the American Statistical Association · 2002
Stock and Watson (2002b) 'Macroeconomic Forecasting Using Diffusion Indexes': the empirical companion (JBES) demonstrating forecast gains from diffusion indexes estimated on a 215-predictor U.S. panel.
Journal of Business & Economic Statistics · 2002
Bernanke, Boivin, and Eliasz (2005) 'Measuring the Effects of Monetary Policy: A Factor-Augmented Vector Autoregressive (FAVAR) Approach': combined factor extraction with structural VAR identification.
The Quarterly Journal of Economics · 2005
Bai and Ng (2002) 'Determining the Number of Factors in Approximate Factor Models': proposed the ICp1, ICp2 and ICp3 criteria for selecting the number of factors.
Econometrica · 2002
Doz, Giannone, and Reichlin (2011) 'A Two-Step Estimator for Large Approximate Dynamic Factor Models Based on Kalman Filtering': provided the state-space estimation framework used by the ECB and NY Fed.
Journal of Econometrics · 2011
Base de pesquisa
Evidências e dados
Cheque transformações do painel, dados faltantes, número de fatores, estabilidade das cargas e desempenho de previsão em tempo real.
Calibração ou mensuração
Número de fatores, padronização, dinâmica dos estados e calendário de divulgação determinam o sinal extraído do painel.
Limites
- Fatores latentes são rotações, não objetos econômicos diretos.
- Quebras estruturais podem deslocar as cargas.
- Um painel amplo não elimina erro de medida.
Orientação de uso
Quando é suficiente
Extrair sinais cíclicos comuns de um painel grande de indicadores quando o objeto é um resumo de baixa dimensão da atividade real: um índice coincidente, um nowcast do PIB trimestral ou um fator de atividade para usar em regressões subsequentes. Os índices de difusão de Stock-Watson 2002 (JBES) e suas extensões em espaço de estados são a abordagem padrão quando há muitos indicadores mas a variação comum se concentra em poucos fatores.
Quando serve apenas como esquema
O fator extraído é um objeto estatístico, não um choque estrutural. Ele captura o que quer que seja a variação comum do painel, o que pode misturar choques de demanda, de oferta e financeiros, a menos que o painel seja montado para isolar uma dimensão. Não interprete o fator como um determinante causal específico sem uma etapa adicional de identificação.
Quando mudar de modelo
Passe para um FAVAR (Bernanke-Boivin-Eliasz 2005, QJE) ao combinar o fator com um conjunto pequeno de choques estruturais explicitamente identificados. Passe para um SVAR (empirical:svar) quando o número de variáveis for pequeno o bastante para identificação direta, sem redução de dimensionalidade. Passe para um modelo de nowcasting em espaço de estados (empirical:nowcasting) quando o objetivo for acompanhamento em tempo real com o calendário de divulgação explícito.
Sinal de falsificação
Um fator que explica uma fração pequena da variação comum do painel, ou que não prevê a série-alvo fora da amostra apesar de muitos indicadores, sinaliza estrutura fatorial fraca ou painel heterogêneo demais para ser resumido em poucas dimensões. Se os três primeiros fatores juntos respondem por menos de 30 por cento da variância num painel de atividade bem construído, a hipótese de índice de difusão não se sustenta nos dados.