实证研究中预测模型的选择:从逐步回归到信息标准

被引：8

作者：

胡健颖

姜国华

王汉生

机构：

[1] 北京大学光华管理学院

来源：

数理统计与管理 | 2006年 / 01期

关键词：

预测模型; 逐步回归; 信息标准; AIC; BIC;

D O I：

10.13860/j.cnki.sltj.2006.01.004

中图分类号：

O212.1 [一般数理统计];

学科分类号：

020208 ; 070103 ; 0714 ;

摘要：

本文首先对显著性变量同变量显著性之间的关系予以讨论并区分,进而评价逐步回归模型选择法的缺陷性。在此基础上,我们对以AIC和B IC为代表的各种基于信息标准的模型选择法予以介绍和评论。同逐步回归法相比,信息标准模型选择法有着坚实的统计理论基础及清晰而优良的统计性质。本文通过基于近十年中国股市数据的实证检验说明,信息标准同逐步回归相比往往能产生具有更强预测能力的计量模型,因此值得在未来的实证研究中注意并推广。

引用

页码：21 / 26

页数：6

共 7 条

[1]

Hurvich,C.M.and Tsai,C.L.Regression and tim e series model selection in sm all samp les. B iom etrika . 1998

[2]

Sh i,P.and Tsai,C.L.A joint regression variab le and autoregressive order selection criterion. Journal of tim eSeries Analysis . 2004

[3]

Naik,P.and Tsai,C.L.S ingle index model selection. B iom etrika . 2001

[4]

Sh i,P.and Tsai,C.L.Regression model selection-a residual likelihood approach. Journal of RoyalStatistical Soc iety,Series B . 2002

[5]

Huang,J.and Yang,L.Identification of non linear add itive autoregressive models. Journal ofRoyal StatisticalSoc iety,Series B . 2004

[6]

Shao,J.An asymptotic theory for linearmodel selection. Statstica S in ica . 1997

[7]

Hurvich,C.M.and Tsai,C.L.B ias of the corrected AIC criterion for underfitted regression and tim e series. B iom etrika . 1991

← 1 →