近年來,模型平均方法的應用越來越廣泛,是當代經(jīng)濟、生物、醫(yī)學和統(tǒng)計學界研究的熱點話題。好的權重可以使得預測或者估計的風險最小,以達到研究工作的目的。但一組不好的權重確可以導致估計或者預測出現(xiàn)很大的偏差,有時會給實際問題帶來非常大的損失。所以,如何選取組合權重是實際研究工作中最重要也是最困難的問題。最早對這一問題做出重要貢獻之一的是Hansen（2007,Econometrica）這篇文章,他通過極小化Mallows準則來得到最優(yōu)權重,開啟了早期的最小二乘模型平均方法。Hansen的論文的主要貢獻是證明了Mallows準則漸近等價于平方誤差,因此使Mallows準則最小化的模型平均估計量也使得大樣本中的平方誤差最小。本文通過最小化一個新的準則來得到權重向量,介紹了一種新的模型平均方法并且證明了此估計在離散權重集合和非嵌套模型結構中的漸近最優(yōu)性。在一些估計和預測問題中,有時候使用對稱損失是非常不合適的。鑒于現(xiàn)有的模型平均方法都是建立在對稱損失的基礎之上,本文引入了在非對稱損失準則上選取隨機權重的方法,模擬和實際應用結果均顯示了在這一準則下所得到估計的優(yōu)越性。這些貢獻顯著拓寬了現(xiàn)有的關于模型... 

【文章來源】：青島大學山東省

【文章頁數(shù)】：49 頁

【學位級別】：碩士

【部分圖文】：

=1時，與不同的相對應的不同的LINEX損失值

2,其中 表示第 次產生隨機數(shù)， = 2000意味著模擬重復2000次。模擬結果如圖2.2所示。從圖中我們可以看出大多數(shù)情況下，LMA和MMA表現(xiàn)得比S-AIC和S-BIC好。其中S-BIC表現(xiàn)得最差，風險明顯比其他方法高很多。10

S-BIC、S-AIC、MMA和JMA模型平均風險的比較


本文編號：3417055