頻度主義モデル平均推定器

実践におけるモデル選択方法の従来の使用は、最終的に選択されたモデルが事前に選ばれたかのように進めることであり、モデル選択によって引き起こされる追加の不確実性を認識していません。このことはしばしばばらつきの過小報告や過度に楽観的な信頼区間を意味します。我々は、選択後の推定器やモデル平均推定器の制限分布およびリスク特性を正確に記述し、モデル化のバイアスを明示的に考慮に入れた一般的な大標本尤度装置を構築します。これにより、競合するモデル平均化スキームを、少数の重要な量のみが関係する統計プロトタイプ実験内で開発、議論、および比較することが可能となり、複雑さを劇的に軽減できます。特に、我々はベイジアンモデル平均化手法に対する頻度主義的見解を提供し、一般化リッジ推定器へのリンクを示します。我々の研究は新しいモデル選択基準にもつながります。これらの方法は実データ応用で示されています。