CHALLENGES FOR ECONOMETRIC MODEL SELECTION
计量经济模型选择的挑战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：摘要讨论通用模型选择的方法论问题，没有指向具体微观、宏观或金融细分模型。
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
计量经济模型选择的挑战
- 研究问题
- 模型选择为何需要同时反思参数化视角、真实数据生成过程观念、拟合导向评价及忽略模型不确定性这四类问题？
- 方法与思路
- 作者将四类概念问题并置讨论，主张采取半参数视角、把模型视为近似、按研究目的评价模型，并将模型不确定性纳入推断。
- 材料陈述的贡献
- 摘要所述贡献是提出联合处理四类问题的研究议程；作者认为既有研究分别考察过这些问题，但未来应尝试同时应对。
- 阅读关注点
- 应核对四类批评针对的具体方法和论据，以及半参数视角、目的导向评价与模型不确定性如何转化为可实施的选择和推断程序。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要；这是概念性主张，未说明联合解决方案、理论保证或比较结果，不能认定问题已解决或推断版本变化。
原文摘要
Standard econometric model selection methods are based on four conceptual errors: parametric vision, the assumption of a true data generating process, evaluation based on fit, and ignoring the impact of model uncertainty on inference. Instead, econometric model selection methods should be based on a semiparametric vision, models should be viewed as approximations, models should be evaluated based on their purpose, and model uncertainty should be incorporated into inference methods. These problems have been examined individually but not jointly, and my view is that future research into econometric model selection should attempt to address all four issues.This research was supported by the National Science Foundation. I thank Peter Phillips and a referee for helpful comments that greatly improved the arguments and exposition.