模型选择标准
1、精度原则
在实际应用中,往往用预测的准确性来评价一个模型。精度是选择模型时所考虑的十分重要的
因素,众多关于预测模型选择的文献都是预测精度对各种模型进行比较。一般认为增加模型的显含变量、采取联立方程可以提高预测精度,但也不能过分精确化,否则模型可能很复杂从而无法进行实际的参数估计。实践表明,如果对内生变量的外生变量不加选择、不加分析地包含进来并不能提高精度。相反影响微弱或作用不大的变拉入模型倒影响计量模型的稳定性和使用效果,选择模型时应适当权衡。
2、简单性原则
对于任意两个模型,若都能同样地表达所研究问题,具有相同的精度应选择较小模型方程、选择较简单方程形式和较少的经济变量。
3、费用原则
预测的准确性与进行预测所投入的人力、物力、财力密切相关,高的预测精度常伴随着高的费用,在选择计量模型时应对提高精度所获得的利益及由此所花费的代价进行权衡,有时为较低
费用不得不牺牲一些精度,选择较简单的模型
4、建模目的原则
到底选择哪一类计量模型,往往取决于模型将具体用于什么目的,对于这个目的,模型的最优结构是什么以及怎样来衡量。一般来说,当模型用于预测时,R2及估计值方差较重要,倾向于选较复杂模型;当模型应用于结构分析和政策评价时,则模型参数偏差程度及标准误差较重要,在样本一定的情况下倾向于选较简单的模型。
