TY -的A2 -费雷拉,保罗Jorge对峙盟——汗,Faridoon盟——Urooj Amena AU -汗,沙特Ahmed AU - Alsubie作为礼尚往来盟——Almaspoor Zahra AU - Muhammadullah,莎拉PY - 2021 DA - 2021/12/14 TI -比较先进的预测性能统计和机器学习技术使用巨大的大数据:证据来自蒙特卡洛实验SP - 6117513六世- 2021 AB -本研究比较因素模型基于主成分分析(PCA)和偏最小二乘法(PLS)与Autometrics弹性顺利剪绝对偏差(E-SCAD)和极大极小凹点球(MCP)在不同模拟方案下的多重共线性,异方差性、自相关。比较用不同的样本大小和协变量。我们发现,在低和温和的多重共线性,MCP经常产生优越的预测与小样本情况下,而E-SCAD仍然是更好的。对于高多重共线性,PLS-based因素模式仍然占主导地位,但渐近的预测准确性E-SCAD和其他方法相比显著增强。根据异方差性,MCP表现很好,大多数时候胜过竞争对手的方法。在某些情况下,在大样本,MCP Autometrics提供了类似的预测。在低和适度的自相关,MCP显示了突出预测性能除了小样本情况下,而E-SCAD产生显著的预测。在极端的情况下自相关,E-SCAD优于竞争对手的技术下的中小样本,但是进一步增加样本容量使MCP预测更准确的比较。比较所有方法的预测能力,我们把数据分割成两半(即。在1973 - 2007年,数据作为训练数据和数据超过2008 - 2020作为测试数据)。基于均方根误差和平均绝对误差,PLS-based因素模型优于竞争对手模型的预测性能。 SN - 1076-2787 UR - https://doi.org/10.1155/2021/6117513 DO - 10.1155/2021/6117513 JF - Complexity PB - Hindawi KW - ER -