基于SAIC方法的纵向数据模型平均

摘要：

传统的SAIC模型平均所需运行时间随数据维数而呈现出阶乘级的增长,其预测精度也随之下降.本文基于传统SAIC模型平均法进行了改进,提出一类基于SAIC加权法的纵向数据模型平均法,使运算效率大幅提升,并且使预测效果拥有良好的稳定性.模拟实验结果表明,与传统方法相比,在预测残差平方和层面,本文提出的新模型在稳定性、精准性和运行速度方面均优于传统方法.

关键词：大数据、赤池信息量准则、模型平均、广义估计方程、S-AIC模型平均

所属期刊栏目：48

分类号：O212.4(概率论与数理统计)

在线出版日期：2023-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：66-73