National and Kapodistrian University of Athens
Predictive Regressions: Variable Selection and the Complete Subset Approach
Abstract
dc:descriptionΗ παρούσα διπλωματική εργασία πραγματεύεται το θέμα του περιορισμού του σφάλματος εκτίμησης για τις περιπτώσεις προβλέψεων όπου εμπλέκονται πολλές επεξηγηματικές μεταβλητές. Ενώ στις περιπτώσεις όπου οι ανεξάρτητες μεταβλητές είναι λίγες σε αριθμό είναι δυνατή η εφαρμογή οποιασδήποτε στρατηγικής που λαμβάνει υπόψη το σύνολο των μεταβλητών, όταν αυτός ο αριθμός μεγαλώσει (ή ισοδύναμα το μέγεθος του δείγματος είναι σχετικά μικρό), καθίσταται σημαντικός ο περιορισμός του αριθμού των παραμέτρων, ώστε να μειωθεί η επίδραση του εκτιμητικού σφάλματος. Σε αντίθετη περίπτωση, η ανάλυση μπορεί να καταστεί από χρονοβόρα έως και αδύνατη. Η μέθοδος Complete Subset Regression είναι μία απλή και ισχυρή μέθοδος/τεχνική συνδυασμού προβλέψεων, που πρώτοι παρουσίασαν οι Elliott et al. (2013). Συγκεκριμένα, διαθέτοντας ένα δεδομένο σύνολο πιθανών επεξηγηματικών μεταβλητών, συνδυάζονται οι προβλέψεις από κάθε υποσύνολο μοντέλων γραμμικής παλινδρόμησης το οποίο έχει σταθερό αριθμό μεταβλητών. Αυτή η μέθοδος προσιδιάζει σε μία περίπλοκη εκδοχή συρρίκνωσης, η οποία όμως εν γένει δεν περιορίζεται στη συρρίκνωση των εκτιμητών ελαχίστων τετραγώνων, συντελεστή προς συντελεστή. Πέρα από την προφανή εξοικονόμηση υπολογιστικού φόρτου, οι συνδυασμοί των πλήρων υποσυνόλων παλινδρόμησης μπορούν να οδηγήσουν σε ακριβείς προβλέψεις, συγκρίσιμες με άλλες καθιερωμένες μεθόδους.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Καραμπατέας Αλέξανδρος
- Karabateas Alexandros
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:2796431