全文阅读：https://www.lianxh.cn/news/8ab193e6f04cc.html
Note： 本文主要内容来自如下论文，有兴趣的小伙伴可以详读原文：
[Source]: Ghysels E, Kvedaras V, Zemlys V. Mixed Frequency Data Sampling Regression Models: The R Package midasr[J]. Journal of Statistical Software, 2016, 72(4). -PDF-
MIDAS 是「Mixed Frequency Data Sampling Regression Models」的简称，有多个对应的中文名称，如「混频抽样回归」、「混频抽样方法」、「混频回归」等。
基于混频数据建立模型的方法，充分利用原始数据本身包含的信息来构建数据模型。在传统的宏观计量模型中，数据存在不同频率，一般需要通过运用汇总或内插方法将混频频率数据统一为相同频率数据，然后以处理之后的相同频率数据应用于宏观经济模型。这种方法建立的模型由于人为的数据累加或内插会引起的原始数据内含的信息量增加和丢失。 相关学者提出直接使用混频数据来构建混频数据模型，这种方式建立的模型充分利用高频数据中的信息，避免了由于数据处理过程中人为处理而导致的数据信息虚增与丢失，在一定程度上可以提高宏观模型估计有效性和预测的准确性。 (摘自：混频 MIDAS 模型在宏观经济研究领域应用评述，-Link-)。
自 Ghysels et al. (2002) 提出 MIDAS 模型以来，由于其处理混频数据的便利性而被广泛应用于金融波动率和宏观经济预测等领域。本文将从如下三个方面对如何基于 R 语言的 MIDAS 模型在宏观经济预测方面的应用做简要的介绍。
MIDAS 模型设定MIDAS 模型估计MIDAS 模型应用全文阅读：https://www.lianxh.cn/news/8ab193e6f04cc.html