Làm cách nào để kết hợp các dự báo khi biến phản ứng trong các mô hình dự báo khác nhau?

Giới thiệu

Trong dự báo kết hợp một trong những giải pháp phổ biến dựa trên việc áp dụng một số tiêu chí thông tin. Lấy ví dụ tiêu chí Akaike ước tính cho mô hình , người ta có thể tính toán sự khác biệt của từ và sau đó RP_j = e ^ {(AIC ^ * - AIC_j) / 2} có thể được hiểu là xác suất tương đối của mô hình j là đúng. Các trọng số sau đó được định nghĩa là$AIC_j$$j$$AIC_j$$AIC^* = \min_j{AIC_j}$$RP_j = e^{(AIC^*-AIC_j)/2}$$j$

Vấn đề

Một khó khăn mà tôi cố gắng khắc phục là các mô hình được ước tính dựa trên các biến phản ứng (nội sinh) được biến đổi khác nhau. Ví dụ, một số mô hình dựa trên tốc độ tăng trưởng hàng năm, một mô hình khác - về tốc độ tăng trưởng hàng quý. Do đó, các giá trị AIC_j được trích xuất $AIC_j$không thể so sánh trực tiếp.

Đã thử giải pháp

Vì tất cả những gì quan trọng là sự khác biệt của $AIC$ , người ta có thể lấy AIC của mô hình cơ sở $AIC$(ví dụ tôi đã cố gắng trích xuất lm(y~-1)mô hình mà không có bất kỳ tham số nào) bất biến với các biến đổi biến phản ứng và sau đó so sánh sự khác biệt giữa mô hình thứ $j$ và mô hình thứ j mô hình cơ sở $AIC$ . Tuy nhiên ở đây có vẻ như những gì còn lại điểm yếu - sự khác biệt đang bị ảnh hưởng bởi sự biến đổi của biến phản ứng.

Kết luận

Lưu ý, tùy chọn như "ước tính tất cả các mô hình trên cùng một biến trả lời" là có thể, nhưng rất tốn thời gian. Tôi muốn tìm kiếm "cách chữa trị" nhanh chóng trước khi đi đến quyết định đau đớn nếu không có cách nào khác để giải quyết vấn đề.

Tôi nghĩ rằng một trong những phương pháp đáng tin cậy nhất để so sánh các mô hình là xác nhận hợp lệ lỗi ngoài mẫu (ví dụ MAE). Bạn sẽ cần hủy biến đổi ngoại sinh cho từng mô hình để so sánh trực tiếp táo với táo.