lasso估计作为机器学习的重要算法在政策预测中可以有广泛应用,但其“稀疏性假设”和“有偏”的估计却遭到经济学家的诟病。当然不少研究者发现了可以使用lasso首先对变量进行“筛选”,接下来采用普通OLS估计可以提高预测的一致性与拟合优度。本人在stata blog中阅读到这篇文章,现在翻译出来分享给大家。这篇文章主要对比了CV(交叉验证)下的lasso、plug-in(插入)法下的lasso、自适应下的lasso以及普通OLS之间的预测精准性。在文章的后半部分比较了“岭回归”、“lasso”和“弹性网络”。诸位可以对应着看一下。