A COMPARISON OF COMPLEMENTARY AUTOMATIC MODELING METHODS: RETINA AND PcGets
互补自动建模方法的比较：RETINA 与 PcGetsAI 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：摘要明确涉及自动预测建模和样本外预测表现，所列方向中预测与即时预测最直接相关。
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…
互补自动建模方法的比较：RETINA 与 PcGets
- 研究问题
- RETINA 与 PcGets 的自动建模机制有哪些相似、差异和互补之处，非线性输入变换能否改善所考察案例的预测表现？
- 方法与思路
- 作者比较两种方法的搜索与建模特征，介绍 RETINA 的非线性变换、共线性控制等设计，并用美国电信需求数据作示例。
- 材料陈述的贡献
- 摘要称，在该电信需求案例中，RETINA 的样本内外表现可优于常规线性回归及部分 PcGets 模型，并强调两种方法的互补性。
- 阅读关注点
- 应核对预测目标、训练与评估样本划分、模型搜索范围及比较指标，确认案例中的改善是否受到调参和模型筛选方式影响。
- 阅读边界
- 仅依据所给 Crossref 摘要；改善幅度与评估细节未说明，单一电信需求案例不足以支持普遍优越性，亦不能推断版本变化。
原文摘要
In Perez-Amaral, Gallo, and White (2003, Oxford Bulletin of Economics and Statstics 65, 821–838), the authors proposed an automatic predictive modeling tool called relevant transformation of the inputs network approach (RETINA). It is designed to embody flexibility (using nonlinear transformations of the predictors of interest), selective search within the range of possible models, control of collinearity, out-of-sample forecasting ability, and computational simplicity. In this paper we compare the characteristics of RETINA with PcGets, a well-known automatic modeling method proposed by David Hendry. We point out similarities, differences, and complementarities of the two methods. In an example using U.S. telecommunications demand data we find that RETINA can improve both in- and out-of-sample over the usual linear regression model and over some models suggested by PcGets. Thus, both methods are useful components of the modern applied econometrician's automated modeling tool chest.