In-Sample ist kein geeignetes Maß für die Prognosegenauigkeit, da es keine Überanpassung berücksichtigt. Es ist immer möglich, ein kompliziertes Modell zu erstellen, das perfekt zu den Daten in die Stichprobe passt. Es gibt jedoch keine Garantie dafür, dass ein solches Modell außerhalb der Stichprobe eine anständige Leistung erbringt.R2
außerhalb der Stichprobe , dh die quadratische Korrelation zwischen den Prognosen und den tatsächlichen Werten, ist insofern mangelhaft, als sie die Verzerrung der Prognosen nicht berücksichtigt.R2
Betrachten Sie beispielsweise realisierte Werte
yt+1,…,yt+m
und zwei konkurrierende Prognosen:
y^t+1,…,y^t+m
und
y~t+1,…,y~t+m.
Nun nimm das an
y~t+i=c+y^t+i
für jedes , wobei eine Konstante ist. Das heißt, die Prognosen sind die gleichen, außer dass die zweite um höher ist . Diese beiden Prognosen haben im Allgemeinen unterschiedliche MSE, MAPE usw., aber der ist der gleiche.iccR2
Stellen Sie sich einen Extremfall vor: Die erste Vorhersage ist perfekt, dh für jedes . Der dieser Prognose wird 1 sein (was sehr gut ist). Das der anderen Prognose ist jedoch ebenfalls 1, obwohl die Prognose für jedes um verzerrt ist .y^t+i=yt+iiR2R2ci