Model Confidence Set (MCS)
De Model Confidence Set (MCS) is een sequentiële hypothesetestprocedure geïntroduceerd door Hansen, Lunde en Nason (2011) die de kleinste verzameling van voorspellings- of predictieve modellen identificeert die statistisch niet te onderscheiden zijn van het best presterende model op een gegeven betrouwbaarheidsniveau. In plaats van één winnaar te selecteren, retourneert MCS een set van superieure modellen, wat het bijzonder waardevol maakt bij econometrische voorspellingsvergelijkingen waarbij het werkelijk beste model onbekend is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- Hansen, P. R., Lunde, A., & Nason, J. M. (2011). The model confidence set. Econometrica, 79(2), 453–497. DOI: 10.2139/ssrn.522382 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Model Confidence Set (MCS). ScholarGate. https://scholargate.app/nl/econometrics/model-confidence-set
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Diebold-Mariano Test op Gelijke Voorspellende NauwkeurigheidEconometrie↔ vergelijken
- Giacomini-White Test van Conditionele Voorspellende KrachtEconometrie↔ vergelijken
- Stapsgewijze RegressieStatistiek↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →