Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Data in the 21st Century Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Smoothing Spline as a Guide to Elaborate Explanatory Modeling

verfasst von : Chon Van Le

Erschienen in: Predictive Econometrics and Big Data

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Although there are substantial theoretical and empirical differences between explanatory modeling and predictive modeling, they should be considered as two dimensions. And predictive modeling can work as a “fact check” to propose improvements to existing explanatory modeling. In this paper, I use smoothing spline, a nonparametric calibration technique which is originally designed to intensify the predictive power, as a guide to revise explanatory modeling. It works for the housing value model of Harrison and Rubinfeld (1978) because the modified model is more meaningful and fits better to actual data.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Bayesian Forecasting for Tail Risk
Nächstes Kapitel Quantifying Predictive Uncertainty Using Belief Functions: Different Approaches and Practical Construction
Fußnoten
1
This part is to a large extent based on Shmueli (2010).
 
Literatur
Aitchison, J., Dunsmore, I.R.: Statistical Prediction Analysis. Cambridge University Press, Cambridge (1975)CrossRefMATH
Berk, R.A.: Statistical Learning from a Regression Perspective. Springer, New York (2008)MATH
Canova, F.: Statistical inference in calibrated models. J. Appl. Econ. 9(S), S123–S144 (1994)CrossRef
Ehrenberg, A., Bound, J.: Predictability and prediction. J. Roy. Stat. Soc. Ser. A 156(2), 167–206 (1993)CrossRef
Friedman, J.H.: On bias, variance, 0/1-loss, and the curse-of-dimensionality. Data Min. Knowl. Discov. 1, 55–77 (1997)CrossRef
Geisser, S.: The predictive sample reuse method with applications. J. Am. Stat. Assoc. 70, 320–328 (1975)CrossRefMATH
Greene, W.H.: Econometric Analysis, 7th edn. Pearson, London (2012)
Harrison, D., Rubinfeld, D.L.: Hedonic housing prices and the demand for clean air. J. Environ. Econ. Manage. 5(1), 81–102 (1978)CrossRefMATH
Kendall, M., Stuart, A.: The Advanced Theory of Statistics, 4th edn. Macmillan, New York (1977)MATH
Kydland, F.E., Prescott, E.C.: Time to build and aggregate fluctuations. Econometrica 50(6), 1345–1370 (1982)CrossRefMATH
Parzen, E.: Comment on statistical modeling: the two cultures. Stat. Sci. 16(3), 224–226 (2001)
Poirier, D.J., Garber, S.G.: The determinants of aerospace profit rates 1951–1971. South. Econ. J. 41(2), 228–238 (1974)CrossRef
StataCorp. Stata Release 12: Statistical Software, StataCorp LP (2011)
Stine, R.A.: Lecture Notes on Advanced Quantitative Modeling, The Wharton School at the University of Pennsylvania (2011)
Metadaten
Titel
Smoothing Spline as a Guide to Elaborate Explanatory Modeling
verfasst von
Chon Van Le
Copyright-Jahr
2018
Buch
Predictive Econometrics and Big Data

Print ISBN: 978-3-319-70941-3

Electronic ISBN: 978-3-319-70942-0

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-70942-0_7