A predictability test for a small number of nested models
针对少量嵌套模型的预测能力检验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：摘要明确研究嵌套模型的预测能力比较，并应用于美国核心通胀预测，最直接对应预测与即时预测方向。
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…
针对少量嵌套模型的预测能力检验
- 研究问题
- 当少量候选模型都包含一个简约基准模型时，如何联合检验基准预测表现是否同样好，并处理多模型比较中的单侧假设？
- 方法与思路
- 作者构造单侧多变量假设的准似然比检验，针对非标准极限分布，分别考虑 bootstrap 和基于预测误差平方差正态假设的模拟临界值。
- 材料陈述的贡献
- 摘要称所提检验相对既有多模型预测能力检验具有良好的尺寸和功效表现，并用于检验菲利普斯曲线对美国核心通胀的预测能力。
- 阅读关注点
- 应核对嵌套模型比较的零假设、样本外预测设计、非标准极限来源，以及两种临界值方法的有效条件和比较模型数量的限制。
- 阅读边界
- 仅依据所给出版社摘要；未说明模型数量上限、预测样本和比较数值，基于正态性模拟的临界值也不能视为无条件有效。
原文摘要
We introduce quasi-likelihood ratio tests for one sided multivariate hypotheses to evaluate the null that a parsimonious model performs equally well as a small number of models which nest the benchmark. The limiting distributions of the test statistics are non-standard. For critical values we consider: (i) bootstrapping and (ii) simulations assuming normality of the mean square prediction error difference. The proposed tests have good size and power properties compared with existing equal and superior predictive ability tests for multiple model comparison. We apply our tests to study the predictive ability of a Phillips curve type for the US core inflation.