介绍

在预测组合中，一种流行的解决方案是基于一些信息标准的应用。以模型估计的Akaike 准则为例，可以从的差异，然后可以解释为为真模型的相对概率。然后权重定义为$AIC_j$$j$$AIC_j$$AIC^* = \min_j{AIC_j}$$RP_j = e^{(AIC^*-AIC_j)/2}$$j$

问题

我试图克服的一个困难是模型是根据不同转换的响应（内生）变量估计的。例如，一些模型基于年增长率，另一些模型基于季度增长率。因此，提取的值不能直接比较。$AIC_j$

尝试过的解决方案

由于所有重要的是$AIC$的差异，因此可以采用对响应变量转换不变的基本模型的$AIC$（例如，我试图提取lm(y~-1)没有任何参数的模型），然后比较第j 个模型和第$j$个模型之间的差异基本模型$AIC$。然而，这里似乎仍然存在弱点 - 差异受响应变量转换的影响。

结束语

请注意，“在相同的响应变量上估计所有模型”之类的选项是可能的，但非常耗时。如果没有其他方法可以解决问题，我想在做出痛苦的决定之前寻找快速的“治疗方法”。