當因變量具有高自相關時，最佳的預測方法是什么？
[英]What is the best prediction measure when the dependent variable has a high autocorrelation?
問題描述
我正在預測面板數據上的因變量。
我需要選擇預測指標，但是存在以下問題：
- 我正在使用面板數據，因此會混合時間步驟和不同的人
- 因變量是高度自相關的（因變量是我每月變動的年度度量，因此是高度自相關的，有時在多個期間具有相同的值）
我使用R平方進行處理，但是，我相信由於前面提到的要點和尋找該度量的更正，會產生一些反常的影響。
謝謝。
0 個解決方案
當因變量的變化很小時，可以使用什么度量來定義模型性能？
[英]What metric to use to define model performance when the change in dependent variable is very small?
使用xgboost進行分類時如何獲得置信區間或預測離散度的度量？
[英]How to obtain a confidence interval or a measure of prediction dispersion when using xgboost for classification?
測量機器學習模型是否過度擬合的正確方法是什么？
[英]What is the right way to measure if a machine learning model has overfit?
當測試值和預測值之間的差異如此接近時，為什么我的 MSE 如此之高？
[英]Why is my MSE so high when the difference between test and prediction values are so close?
為什么在使用glmnet模型時R中的`predict`會返回高維預測？
[英]Why does `predict` in R when using a glmnet model return a high dimensional prediction?
在 Tensorflow 中，當使用預測即 'print(prediction[0][0])' 時，[0][0] 實際引用的值是什么？
[英]In Tensorflow, when using a prediction i.e. 'print(prediction[0][0])', what are the values [0][0] actually referencing?
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.
相關問題
什么是機器學習准確性的最佳措施
當因變量的變化很小時，可以使用什么度量來定義模型性能？
使用xgboost進行分類時如何獲得置信區間或預測離散度的度量？
對因變量進行對數轉換后的回歸RMSE
無論輸入什么，TFLearn DNN都具有相同的預測
測量機器學習模型是否過度擬合的正確方法是什么？
我應該選擇什么作為價格預測的目標變量？
當測試值和預測值之間的差異如此接近時，為什么我的 MSE 如此之高？
為什么在使用glmnet模型時R中的`predict`會返回高維預測？
在 Tensorflow 中，當使用預測即 'print(prediction[0][0])' 時，[0][0] 實際引用的值是什么？
相關標簽