Econometric Model Selection: A New Approach

این کتاب روش جدیدی را برای انتخاب یک (مدل) از میان مجموعه ای از مدل های اقتصادسنجی جایگزین پیشنهاد می کند. به یاد بیاوریم که یک مدل بازنمایی انتزاعی از واقعیت است که آنچه را که مربوط به یک موضوع اقتصادی خاص است را نشان می دهد. یک مدل اقتصادسنجی همچنین توصیفی تحلیلی از توزیع احتمال مشترک برخی از متغیرهای تصادفی مورد علاقه است که اطلاعاتی در مورد نحوه عملکرد اقتصاد واقعی به دست می‌دهد. این اطلاعات تنها در صورتی مفید خواهد بود که دقیق و دقیق باشد. یعنی اطلاعات باید دور از ابهام و نزدیک به آنچه در دنیای واقعی مشاهده می کنیم باشد، بنابراین انتخاب مدل باید بر اساس آماری انجام شود که میزان دقت و دقت هر مدل را خلاصه می کند. یک مدل اگر درست پیش بینی کند دقیق است. اگر فواصل اطمینان کمی ایجاد کند، دقیق است. اولین رویکرد کلی برای انتخاب مدل شامل رویه هایی است که بر اساس هر دو ویژگی، دقت و صحت است. مثال جالب توجهی از این رویکرد هیلدبراند، لینگ و روزنتال (1980) است. همچنین به هندری و ریچارد (1982) مراجعه کنید. رویکرد عمومی دوم شامل رویه هایی است که تنها از یکی از این دو بعد برای تمایز بین مدل ها استفاده می کنند. به طور کلی اکثر تست هایی که قرار است بررسی کنیم با این دسته مطابقت دارند.

This book proposes a new methodology for the selection of one (model) from among a set of alternative econometric models. Let us recall that a model is an abstract representation of reality which brings out what is relevant to a particular economic issue. An econometric model is also an analytical characterization of the joint probability distribution of some random variables of interest, which yields some information on how the actual economy works. This information will be useful only if it is accurate and precise; that is, the information must be far from ambiguous and close to what we observe in the real world Thus, model selection should be performed on the basis of statistics which summarize the degree of accuracy and precision of each model. A model is accurate if it predicts right; it is precise if it produces tight confidence intervals. A first general approach to model selection includes those procedures based on both characteristics, precision and accuracy. A particularly interesting example of this approach is that of Hildebrand, Laing and Rosenthal (1980). See also Hendry and Richard (1982). A second general approach includes those procedures that use only one of the two dimensions to discriminate among models. In general, most of the tests we are going to examine correspond to this category.