《7 LASSO、回归树、套袋法与随机森林法前10解释变量特征测度表单位:百分比》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《跨国增长实证研究的模型不确定性问题:机器学习的视角》
作为常规方法的对比与参照,表4汇报了5种进阶方法与3种传统计量方法的变量排序结果。从中可以看出,EN、M5P-BG和M5P-RF总体表现最佳。EN法选取的9个变量都是Sala-i-Martin et al.(2004)应用BMA方法获得的显著变量,而M5P-BG与M5P-RF分别选择了7个和8个显著变量,其中分别有5个和6个前10显著变量。与此不同,SVR、LSB两个机器学习方法仅选取出1个与3个显著变量,说明其变量排序与稳健性方面有较大的欠缺。传统计量方法上,BLR与FMA均只选择出1个显著变量,甚至远差于最基础的逐步回归法,后者排序选择出了8个显著变量,其中有6个是前10显著的。
图表编号 | XD001789600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.17 |
作者 | 刘岩、谢天 |
绘制单位 | 上海财经大学商学院 |
更多格式 | 高清、无水印(增值服务) |