.png){kind=icon}
返回
Variable selection in high dimensional linear regressions with parameter instability
.png){kind=icon}
OA
AI
DOI：10.1016/j.jeconom.2024.105900.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文考虑了允许参数不稳定的变量选择问题。它区分了与目标变量相关的信号变量和伪信号变量，以及与目标变量不相关的噪声变量，并研究了Chudik等人 (2018) 提出的一个协变量在时间多重测试 (OCMT) 方法下的渐近性质。可以确定，OCMT继续渐近地选择一个包含所有信号且不包含任何噪声变量的近似模型。还研究了选择后回归的属性，并显示所选回归的样本内拟合具有oracle属性。理论结果支持在OCMT的选择阶段使用未加权观测值，而仅在预测阶段应用观测值的向下加权。蒙特卡洛和实证应用表明，与Lasso、Adaptive Lasso和boosting相比，在选择阶段没有下调权重的OCMT得到更小的均方预测误差。
Keyword:
Lasso
One Covariate at a Time Multiple Testing
OCMT
Parameter instability
Variable selection
Forecasting
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4
论文数:
5.3K
被引数:
3.0W
机构
引用论文
.png){kind=icon}
Introducing a Transboundary Ecosystem Management Approach in the Mount Elgon Region在埃尔冈山地区引入跨界生态系统管理方法OAAI
OAAI分享收藏分享收藏
查看更多内容