পূর্বাভাস মডেলগুলির প্রতিক্রিয়া পরিবর্তনশীল যখন আলাদা ছিল কিভাবে পূর্বাভাস একত্রিত করতে?

Question

ভূমিকা

পূর্বাভাসের সংমিশ্রণে জনপ্রিয় সমাধানগুলির মধ্যে একটি হ'ল কিছু তথ্যের মানদণ্ড প্রয়োগের উপর ভিত্তি করে। উদাহরণস্বরূপ আকাইকে মানদণ্ড গ্রহণ করা$AIC_j$ মডেল জন্য অনুমান $j$, কেউ এর পার্থক্য গণনা করতে পারে $AIC_j$ থেকে $AIC^* = \min_j{AIC_j}$এবং তারপর মডেল আপেক্ষিক সম্ভাব্যতা হিসেবে ব্যাখ্যা করা যেতে পারে সত্য এক পরিণত হয়। ওজনগুলি তখন হিসাবে সংজ্ঞায়িত করা হয়$RP_j = e^{(AIC^*-AIC_j)/2}$$j$

$$w_j = \frac{RP_j}{\sum_j RP_j}$$

সমস্যা

আমি যে সমস্যাটি কাটিয়ে উঠতে চেষ্টা করেছি তা হ'ল মডেলগুলি বিভিন্ন রূপান্তরিত প্রতিক্রিয়ার (অন্তঃসত্ত্বা) ভেরিয়েবলের উপর অনুমান করা হয়। উদাহরণস্বরূপ, কিছু মডেল বার্ষিক বৃদ্ধির হারের উপর ভিত্তি করে, অন্যটি - চতুর্থাংশ থেকে চতুর্থাংশের বৃদ্ধির হারের ভিত্তিতে। সুতরাং নিষ্কাশিত মানগুলি সরাসরি তুলনীয় নয়।$AIC_j$

সমাধান চেষ্টা

যেহেতু সমস্ত বিষয়গুলিই বেসিক মডেলের নিতে পারে (উদাহরণস্বরূপ আমি কোনও পরামিতি ছাড়াই মডেলটি বের করার চেষ্টা করেছি ) যা প্রতিক্রিয়ার ভেরিয়েবল ট্রান্সফর্মেশনের অপরিবর্তনীয় এবং তারপরে ম মডেল এবং এর মধ্যে পার্থক্যের তুলনা করে বেস মডেল । এখানে তবে দুর্বল বিন্দু দেহাবশেষ বলে মনে হয় - পার্থক্য হয় প্রতিক্রিয়া পরিবর্তনশীল রূপান্তরের দ্বারা প্রভাবিত।$AIC$$AIC$lm(y~-1)$j$$AIC$

মন্তব্য আখেরী

দ্রষ্টব্য, "একই প্রতিক্রিয়ার ভেরিয়েবলগুলির সমস্ত মডেলগুলির অনুমান" এর মতো বিকল্পটি সম্ভব তবে খুব সময়সাপেক্ষ। সমস্যাটি সমাধানের আর কোনও উপায় না থাকলে বেদনাদায়ক সিদ্ধান্তে যাওয়ার আগে আমি দ্রুত "নিরাময়" অনুসন্ধান করতে চাই।

Answer 1

আমি মনে করি মডেলগুলির তুলনা করার জন্য সবচেয়ে নির্ভরযোগ্য একটি পদ্ধতি হ'ল নমুনা ছাড়াই ত্রুটি (যেমন এমএই) ক্রস-বৈধকরণ। আপেলকে সরাসরি আপেলের সাথে তুলনা করার জন্য আপনাকে প্রতিটি মডেলের এক্সোজেনাস ভেরিয়েবল আন-রূপান্তর করতে হবে।

Comments

আমি আরও বেশি সময় সাশ্রয়ী পদ্ধতির জন্য ফেলে রেখেছি এমন একটি বিকল্প উপায় হ'ল জ্যাক-নিফড ত্রুটিগুলি ব্যাটস এবং গ্রেঞ্জার (1969) এবং ক্লিমেটস এবং হার্ভে পূর্বাভাসের সংমিশ্রণ এবং আবরণ (2007) এর মতো সম্পর্কিত কাজগুলির অনুরূপ ওজন অনুমান করার জন্য use পূর্বাভাস ত্রুটিভিত্তিক পদ্ধতির দুর্বল বিন্দুটি হ'ল এটি তথ্য (মডেল) ভিত্তিক পদ্ধতির তুলনায় গড় নিকৃষ্ট। যেহেতু বায়েশিয়ান গড় গড়ে তোলা জটিল, তাই আমি আরও একটি সহজ পদ্ধতি প্রয়োগ করার চেষ্টা করেছি যা তথ্যবহুল প্রিয়ারদের সাথে বিএমএ হওয়ার কথা ভাবা যেতে পারে।

— দিমিত্রিজ সেলভ

দ্রষ্টব্য, আমি তুলনামূলকভাবে এবং সেরা মডেলটি নির্বাচন করতে চাই না বা সেরা পূর্বাভাসের সংমিশ্রণ পদ্ধতিটি অনুসন্ধান করছি। ভিন্ন রূপান্তরিত প্রতিক্রিয়ার ভেরিয়েবলের উপর ভিত্তি করে মডেলগুলি থেকে এআইসির তুলনা করতে আমার কেবল সমস্যা হয় ।

— দিমিত্রিজ সেলভ

@ দিমিত্রিজ সেলভ: তাহলে আপনি এআইসির সাথে তুলনা করছেন কেন? মনে রাখবেন যে এআইসি হ'ল ল্যাম্প-ওয়ান-আউট ক্রস-বৈধতার সমান, তাই আমার সন্দেহ হয় যে কোনও মেট্রিকের তুলনা একই রকম হবে। stats.stackexchange.com/a/587/2817

— Zach

@ দিমিত্রিজকেলভ: "পূর্বাভাস ত্রুটিভিত্তিক পদ্ধতির দুর্বল বিষয়টি হ'ল এটি তথ্য (মডেল) ভিত্তিক পদ্ধতির তুলনায় গড় নিম্নমানের হয়।" কোন দিক থেকে নিকৃষ্ট? এর জন্য আপনার কিছু উদ্ধৃতি বা ব্যাখ্যা আছে? অন্তর্দৃষ্টি আমাকে বলে যে এই বিবৃতিটি ভুল, কিন্তু অন্তর্দৃষ্টি প্রায়শই ভুল ...

— জ্যাচ

জি.ক্যাপিটিনিস এট আল ওয়ার্কিং পেপার ফোরকাস্ট কম্বিনেশন এবং ব্যাঙ্ক অফ ইংল্যান্ডের পরিসংখ্যান পূর্বাভাসের পদ্ধতিতে ব্যাংকের বক্তব্যের পরে আমি সম্ভবত একটি দ্রুত সিদ্ধান্তে পৌঁছেছি যেখানে পি। 23 এটি লেখা আছে যে "... পূর্বাভাসের সংমিশ্রণ সাধারণভাবে অনুকূল পূর্বাভাস সরবরাহ করবে না, যখন তথ্য সংমিশ্রণ করবে"। সামষ্টিক অর্থনৈতিক তথ্যের ক্ষুদ্র নমুনাগুলিতে আমি যে পরিমাণ পছন্দ করতে চাই তা নয়, তবে সহজ পদ্ধতিগুলি আরও জটিল জটিলতার চেয়ে বেশি পারফরম্যান্স করতে পারে। কেবল ক্রস-বৈধকরণ দ্বিতীয় সেরা সমাধান, জ্যাক-ছুরিগুলি এক সপ্তাহের মধ্যে তৈরি করা হয়, এক ঘন্টার মধ্যে এআইসিসি। (আমরা চ্যাটে যেতে পারি)

— দিমিত্রিজ সেলভ