LINEX损失下的最小二乘模型平均

发布时间：2021-10-01 02:16

　　近年来,模型平均方法的应用越来越广泛,是当代经济、生物、医学和统计学界研究的热点话题。好的权重可以使得预测或者估计的风险最小,以达到研究工作的目的。但一组不好的权重确可以导致估计或者预测出现很大的偏差,有时会给实际问题带来非常大的损失。所以,如何选取组合权重是实际研究工作中最重要也是最困难的问题。最早对这一问题做出重要贡献之一的是Hansen（2007,Econometrica）这篇文章,他通过极小化Mallows准则来得到最优权重,开启了早期的最小二乘模型平均方法。Hansen的论文的主要贡献是证明了Mallows准则渐近等价于平方误差,因此使Mallows准则最小化的模型平均估计量也使得大样本中的平方误差最小。本文通过最小化一个新的准则来得到权重向量,介绍了一种新的模型平均方法并且证明了此估计在离散权重集合和非嵌套模型结构中的渐近最优性。在一些估计和预测问题中,有时候使用对称损失是非常不合适的。鉴于现有的模型平均方法都是建立在对称损失的基础之上,本文引入了在非对称损失准则上选取随机权重的方法,模拟和实际应用结果均显示了在这一准则下所得到估计的优越性。这些贡献显着拓宽了现有的关于模型... 

【文章来源】：青岛大学山东省

【文章页数】：49 页

【学位级别】：硕士

【部分图文】：

=1时，与不同的相对应的不同的LINEX损失值

2,其中 表示第 次产生随机数， = 2000意味着模拟重复2000次。模拟结果如图2.2所示。从图中我们可以看出大多数情况下，LMA和MMA表现得比S-AIC和S-BIC好。其中S-BIC表现得最差，风险明显比其他方法高很多。10

S-BIC、S-AIC、MMA和JMA模型平均风险的比较


本文编号：3417055