Forecast evaluation of small nested model sets
小规模嵌套模型集合的预测评价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：摘要核心是嵌套模型集合的均方预测误差比较与联合检验，并明确应用于美国通胀预测。
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
小规模嵌套模型集合的预测评价
- 研究问题
- 如何同时比较基准模型与少量嵌套替代模型的均方预测误差，并使多模型检验具有较好的尺寸与功效表现？
- 方法与思路
- 作者调整均方预测误差差异，分别构造最大 t 统计量和卡方统计量，同时比较替代模型且自助法中无需重新估计模型。
- 材料陈述的贡献
- 摘要称模拟中两种调整方法的尺寸最准确，最大 t 方法功效最好，并以美国通胀预测展示这两种程序的应用。
- 阅读关注点
- 应核对误差差异调整、联合统计量与自助法的构造，以及嵌套条件、模型数量和模拟设计对尺寸与功效的影响。
- 阅读边界
- 仅据所给 Crossref 版本摘要，最佳尺寸与功效仅指所述模拟比较；具体条件、误差幅度和大模型集合表现未说明。
原文摘要
Abstract We propose two new procedures for comparing the mean squared prediction error (MSPE) of a benchmark model to the MSPEs of a small set of alternative models that nest the benchmark. Our procedures compare the benchmark to all the alternative models simultaneously rather than sequentially, and do not require re‐estimation of models as part of a bootstrap procedure. Both procedures adjust MSPE differences in accordance with Clark and West ( 2007 ); one procedure then examines the maximum t ‐statistic, while the other computes a chi‐squared statistic. Our simulations examine the proposed procedures and two existing procedures that do not adjust the MSPE differences: a chi‐squared statistic and White's ( 2000 ) reality check. In these simulations, the two statistics that adjust MSPE differences have the most accurate size, and the procedure that looks at the maximum t ‐statistic has the best power. We illustrate our procedures by comparing forecasts of different models for US inflation. Copyright © 2010 John Wiley & Sons, Ltd.