模型平均预测法

模型平均预测法（model averaging），管理学-管理科学与工程-预测理论与方法-相关分析预测法-模型平均预测法，把来自不同模型的估计或者预测通过一定的权重平均起来的一种方法。又称模型组合法。模型平均一般包括组合估计和组合预测这两部分。在有关模型平均的理论研究中，大家比较关心的问题是如何对不同的备选模型选择出合理的权重进行组合加权得到最终的预测结果。模型平均的动机来源于模型选择。对于一组观测数据，可以用许多种模型来描述其产生的机制，究竟哪个模型能更好地反映其真实的产生过程显然是一个十分重要的问题。为此，统计学家们提出了许多模型选择的方法和准则，例如逐步回归、AIC、Mallows's Cp、交叉验证、BIC、广义交叉验证、RIC等。根据这些方法或准则，可以从众多待选模型中挑选出适当的模型，其后的统计推断都基于这个选定的模型。然而，这一过程忽略了模型选择阶段所带来的不确定性，其直接后果是低估实际的变异，这样对基于所选模型而得到的估计或预测的精确度难以令人信服，所报告的置信区间也过于乐观。