Bagaimana cara menggabungkan prakiraan saat variabel respons dalam model peramalan berbeda?

pengantar

Dalam peramalan kombinasi, salah satu solusi populer didasarkan pada penerapan beberapa kriteria informasi. Mengambil contoh kriteria Akaike diperkirakan untuk model , orang dapat menghitung perbedaan dari dan kemudian RP_j = e ^ {(AIC ^ * - AIC_j) / 2} dapat ditafsirkan sebagai probabilitas relatif model j menjadi yang benar. Bobot kemudian didefinisikan sebagai$AIC_j$$j$$AIC_j$$AIC^* = \min_j{AIC_j}$$RP_j = e^{(AIC^*-AIC_j)/2}$$j$

Masalah

Kesulitan yang saya coba atasi adalah bahwa model-model tersebut diperkirakan pada variabel-variabel respon yang ditransformasikan berbeda (endogen). Sebagai contoh, beberapa model didasarkan pada tingkat pertumbuhan tahunan, yang lain - pada tingkat pertumbuhan kuartal ke kuartal. Dengan demikian nilai AIC_j yang diekstraksi $AIC_j$tidak dapat dibandingkan secara langsung.

Solusi mencoba

Karena semua yang penting adalah perbedaan $AIC$ , kita bisa mengambil AIC model dasar $AIC$(misalnya saya mencoba mengekstrak lm(y~-1)model tanpa parameter apa pun) yang tidak berubah terhadap transformasi variabel respons dan kemudian membandingkan perbedaan antara model $j$ dan model model dasar $AIC$ . Berikut namun tampaknya titik tetap lemah - perbedaan tersebut dipengaruhi oleh transformasi variabel respon.

Komentar penutup

Catatan, opsi seperti "perkirakan semua model pada variabel respons yang sama" adalah mungkin, tetapi sangat memakan waktu. Saya ingin mencari "obat" cepat sebelum pergi ke keputusan yang menyakitkan jika tidak ada cara lain untuk menyelesaikan masalah.

Saya pikir salah satu metode yang paling dapat diandalkan untuk membandingkan model adalah dengan cross-validate out-of-sample error (misalnya MAE). Anda harus membatalkan transformasi variabel eksogen untuk masing-masing model untuk secara langsung membandingkan apel dengan apel.