Modell-Konfidenciális Halmaz (MCS)
A Modell-Konfidenciális Halmaz (MCS) egy szekvenciális hipotézisvizsgáló eljárás, amelyet Hansen, Lunde és Nason (2011) vezetett be, és amely az előrejelző vagy prediktív modellek legkisebb olyan gyűjteményét azonosítja, amelyek egy adott konfidenciaszinten statisztikailag megkülönböztethetetlenek a legjobban teljesítő modelltől. Az egyetlen győztes kiválasztása helyett az MCS a kiváló modellek halmazát adja vissza, ami különösen értékes az ekonometriai előrejelzési összehasonlításokban, ahol az igazi legjobb modell ismeretlen.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Hansen, P. R., Lunde, A., & Nason, J. M. (2011). The model confidence set. Econometrica, 79(2), 453–497. DOI: 10.2139/ssrn.522382 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Model Confidence Set (MCS). ScholarGate. https://scholargate.app/hu/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.
- Diebold-Mariano teszt az előrejelzési pontosság egyenlőségéreÖkonometria↔ compare
- Giacomini-White TestÖkonometria↔ compare
- Lépésenkénti RegresszióStatisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →