MINIMIZING AVERAGE RISK IN REGRESSION MODELS
回归模型中平均风险的最小化AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般回归的加权聚焦模型选择，未明确涉及因果、面板或其他所列细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
回归模型中平均风险的最小化
- 研究问题
- 当一个回归模型需要同时服务于多个相近估计任务或特定协变量区域时，如何扩展针对单一估计目标的聚焦信息准则来选择模型？
- 方法与思路
- 作者将聚焦信息准则扩展为加权形式，以一组任务的加权表现选择候选模型，推导渐近结果，并提供广义线性模型的实施公式与真实数据应用。
- 材料陈述的贡献
- 摘要称加权聚焦信息准则可支持一组相关任务的模型选择，并给出渐近理论、广义线性模型实施公式及真实数据应用。
- 阅读关注点
- 应核对估计目标与权重如何设定、平均风险的定义、候选模型框架，以及广义线性模型公式和真实数据应用中的比较依据。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要版本，无法判断权重选择原则、风险估计条件与实证改善程度；不能据此声称适用于任意推断目标。
原文摘要
Most model selection mechanisms work in an “overall” modus, providing models without specific concern for how the selected model is going to be used afterward. The focused information criterion (FIC), on the other hand, is geared toward optimum model selection when inference is required for a given estimand. In this paper the FIC method is extended to weighted versions. This allows one to rank and select candidate models for the purpose of handling a range of similar tasks well, as opposed to being forced to focus on each task separately. Applications include selecting regression models that perform well for specified regions of covariate values. We derive these weighted focused information criteria (wFIC), give asymptotic results, and apply the methods to real data. Formulas for easy implementation are provided for the class of generalized linear models.We express our sincere thanks to all reviewers of this paper, including the special issue guest editors and editor Professor Phillips, whose comments and questions have contributed to significant improvements. We also thank Dr. Ronald Klein for kindly giving permission to use the WESDR data. The work of Claeskens has been supported in part by the Fund for Scientific Research Flanders (G.0542.06).