Zbiór pewności modelu (MCS)
Zbiór pewności modelu (MCS) to procedura sekwencyjnego testowania hipotez wprowadzona przez Hansena, Lunde i Nasona (2011), która identyfikuje najmniejszy zbiór modeli prognozowania lub predykcyjnych, statystycznie nierozróżnialnych od najlepiej działającego modelu na danym poziomie ufności. Zamiast wybierać jednego zwycięzcę, MCS zwraca zbiór modeli lepszych, co czyni go szczególnie cennym w ekonometrycznych porównaniach prognoz, gdzie prawdziwie najlepszy model jest nieznany.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Hansen, P. R., Lunde, A., & Nason, J. M. (2011). The model confidence set. Econometrica, 79(2), 453–497. DOI: 10.2139/ssrn.522382 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Model Confidence Set (MCS). ScholarGate. https://scholargate.app/pl/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.
- Test Diebolda-Mariano na równość dokładności prognostycznejEkonometria↔ compare
- Test niezależności warunkowej Giacominiego-White'aEkonometria↔ compare
- Regresja krokowaStatystyka↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →