模型平均方法是当代统计学研究的国际前沿问题,在经济、金融、生物、医学等领域有着广泛的应用前景.它能够在参数不确定性和模型错设定下处理模型预测问题,通过将多个模型的预测结果赋予适当权重进行组合,从而利用整个候选模型集合进行估计、推断和预测.着重介绍基于K折交叉验证准则的模型平均方法,并将此应用于前列腺肿瘤基因数据集,分别在PROBIT与LOGIT模型中运用该模型平均方法比较不同模型下权重选取对估计的影响.为了验证该方法的优越性,将K折交叉验证模型平均方法分别与SAIC、SBIC以及马洛斯模型平均方法进行比较.最终取得了比较好的预测效果,说明模型平均方法为准确的预测分析提供了有力工具.
万方数据
维普
