مجموعه اطمینان مدل (MCS)
مجموعه اطمینان مدل (MCS) یک رویه آزمون فرضیه متوالی است که توسط هانسن، لوند و ناسون (۲۰۱۱) معرفی شد و کوچکترین مجموعه از مدلهای پیشبینی یا پیشگویی را شناسایی میکند که در سطح اطمینان معین از نظر آماری با بهترین مدل قابل تشخیص نیستند. به جای انتخاب یک برنده واحد، MCS مجموعهای از مدلهای برتر را برمیگرداند و آن را به ویژه در مقایسههای پیشبینی اقتصاد سنجی که در آن بهترین مدل واقعی ناشناخته است، ارزشمند میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Hansen, P. R., Lunde, A., & Nason, J. M. (2011). The model confidence set. Econometrica, 79(2), 453–497. DOI: 10.2139/ssrn.522382 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Model Confidence Set (MCS). ScholarGate. https://scholargate.app/fa/econometrics/model-confidence-set
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- آزمون دایبولد-ماریانو برای دقت پیشبینی برابراقتصادسنجی↔ compare
- آزمون قدرت پیشبینی شرطی جاکومینی-وایتاقتصادسنجی↔ compare
- رگرسیون گامبهگامآمار↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →