FAVAR模型总结了由一小部分观测变量增加的少数因子中的一大组变量的信息。然而，对提取的因素进行经济解释是一项艰巨的任务。或者，面板变量或大规模贝叶斯变量通过缩小参数空间来解决维数问题。尤其是，Canova和Ciccarelli（2013）表明，面板VAR通过假设未知参数可以分解为跨横截面单位和变量的公共分量、跨横截面单位内的公共分量、变量特定分量和滞后特定分量来缩小参数空间。
与面板VAR不同，GVAR方法通过将潜在的大型VAR模型分解为少量的条件模型来解决维度问题，这些模型通过它们的横截面平均值连接在一起。也就是说，GVAR方法对横截面联系施加了直观的限制，而不对单个单位的动态施加任何限制......
摘自文献