Model Confidence Set (MCS)
Model Confidence Set (MCS) är ett sekventiellt hypotesprövningsförfarande som introducerades av Hansen, Lunde och Nason (2011) och som identifierar den minsta samlingen av prognos- eller prediktionsmodeller som statistiskt sett är oskiljbara från den bäst presterande modellen på en given konfidensnivå. Istället för att välja en enda vinnare, returnerar MCS en uppsättning överlägsna modeller, vilket gör den särskilt värdefull vid ekonometriska prognosjämförelser där den verkligt bästa modellen är okänd.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Hansen, P. R., Lunde, A., & Nason, J. M. (2011). The model confidence set. Econometrica, 79(2), 453–497. DOI: 10.2139/ssrn.522382 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Model Confidence Set (MCS). ScholarGate. https://scholargate.app/sv/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-testet för lika prediktiv noggrannhetEkonometri↔ compare
- Giacomini-White-testet för villkorad prediktiv förmågaEkonometri↔ compare
- Stegvis regressionStatistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →