Bootstrap Model Averaging

Minghui Song

doi:10.1080/07350015.2026.2643017

Bootstrap Model Averaging

2026-06-09

0

PRE

AI

DOI：10.1080/07350015.2026.2643017

原文链接

原文求助

摘要

En 中文

模型平均近年来因其能够结合多个模型的信息而备受关注。频率学派模型平均的一个关键挑战是确定适当的权重向量。自助法（bootstrap）因其优良性质而闻名，提供了一种有前景的解决方案。在本文中，我们提出了一种基于自助法的模型平均方法，通过最小化基于自助法的准则来选择权重。值得注意的是，我们的权重选择准则也可以解释为自助聚集（bagging）。当所有候选模型均被误设时，我们证明了所得估计量是渐近最优的，可实现最小的平方误差损失。此外，我们建立了自助权重向理论最优权重收敛的速度。在嵌套候选模型集存在正确模型且协变量数量固定的情况下，我们推导出所提模型平均估计量的极限分布。通过模拟研究和实证应用，我们表明所提方法通常优于其他常用的模型选择和模型平均技术以及其他基于自助法的变体。

Keyword:

Asymptotic distribution

Asymptotic optimality

Consistency

Resampling method

Weight choice

Bootstrap Model Averaging

摘要

期刊

机构

引用论文