Global Search Regression (GSREG): a new automatic model selection technique for cross-section, time series and panel data regressions

Abstract

Este artículo presenta las principales características del comando GSREG (Global Search Regression), una nueva técnica modelos de selección automática de variables. Como otros algoritmos de búsqueda exhaustiva (por ejemplo VSELECT) GSREG evita las los problemas de la dependencia respecto del punto inicial (como PCGETS o RETINA). Sin embargo, GSREG es el primer código Stata que: 1) garantiza el óptimo con criterios de selección fuera de la muestra de estimación; 2) permite realizar test de residuos para cada alternativa; y 3) establece (dependiendo de las especificaciones del usuario) una base de datos con información completa sobre estadísticas para cada modelo alternativo.

This paper presents the main features of Global Search Regression (GSREG), a new automatic model selection technique (AMST) for time series, cross-section and panel data regressions. As other exhaustive search algorithms (e.g. VSELECT) GSREG avoids characteristic path-dependence traps of standard backward and forward looking approaches (like PCGETS or RETINA). However, GSREG is the first STATA code that: 1) guarantees optimality with out-of-sample selection criteria; 2) allows residual testing for each alternative; and 3) provides (depending on user specifications) a full-information dataset with outcome statistics for every alternative model.