Introdução
Na combinação de previsões, uma das soluções populares é baseada na aplicação de algum critério de informação. Tomando por exemplo o critério Akaike estimado para o modelo , pode-se calcular as diferenças de de e, em seguida, RP_j = e ^ {(AIC ^ * - AIC_j) / 2} podem ser interpretadas como a probabilidade relativa do modelo j seja a verdadeira. Os pesos são definidos como
Problema
Uma dificuldade que tento superar é que os modelos são estimados nas variáveis de resposta (endógena) de transformação diferente. Por exemplo, alguns modelos são baseados nas taxas de crescimento anuais, outro - nas taxas de crescimento trimestrais. Portanto, os valores AIC_j extraídos não são diretamente comparáveis.
Solução experimentada
Como tudo o que importa é a diferença dos pode-se pegar o AIC do modelo base (por exemplo, tentei extrair lm(y~-1)
o modelo sem nenhum parâmetro) que é invariável às transformações das variáveis de resposta e depois comparar as diferenças entre o ésimo modelo e o modelo base . Aqui, no entanto, parece que o ponto fraco permanece - a diferença é afetada pela transformação da variável de resposta.
Observações finais
Observe que a opção como "estimar todos os modelos nas mesmas variáveis de resposta" é possível, mas consome muito tempo. Eu gostaria de procurar a "cura" rápida antes de tomar a decisão dolorosa, se não houver outra maneira de resolver o problema.