本书第1章给出了模型平均方法的研究背景和研究现状。在第2章中基于Stein引理和似然函数，针对发散维度的Poisson回归模型提出了一种具有无偏性的最优权重选取准则。针对单指标模型，本书第3章基于交叉验证方法提出了最优权重的选取准则。第4章考虑到支撑向量机模型可以很好地应用于高维分类数据，利用模型平均方法处理了该模型在变量选择上的不确定性并提高了分类精度。第5章提出了许多需要进一步研究的问题。本书除了理论研究之外，还进行了大量的模拟研究并将模型平均方法应用于经济相关领域，其结果表明本书中所提出的最优模型平均方法在预测能力以及稳健性上常常优于其他常见的模型选择/平均方法。

第1章 绪论
1.1 研究背景
1.2 研究现状
1.3 本书主要内容与创新点
第2章 发散维度Poisson回归模型的模型平均方法
2.1 引言
2.2 模型框架与估计
2.2.1 Poisson回归的模型平均估计
2.2.2 权重选取准则
2.3 渐近性质
2.3.1 渐近最优性
2.3.2 回归系数平均估计的相合性
2.3.3 高维模型的模型平均方法
2.4 蒙特卡洛模拟
2.4.1 模拟的设计和实施
2.4.2 模拟结果
2.5 飞行员CEO和企业创新能力的关系
2.6 总结
2.7 附录
2.7.1 相关引理及证明
2.7.2 定理2.1的证明
2.7.3 定理2.2的证明
2.7.4 实际数据的其他结果
第3章 发散维度的单指标模型的模型平均方法
3.1 引言
3.2 模型框架与估计
3.2.1 单指标模型的模型平均方法
3.2.2 模型平均框架
3.3 渐近性质
3.3.1 渐近最优性
3.3.2 权重的收敛性
3.4 基于正则化条件和预筛选的模型平均方法
3.4.1 正则化的模型平均估计
3.4.2 基于预筛选的模型平均方法
3.5 模拟研究
3.5.1 模拟设置
3.5.2 比较方法与评价指标
3.5.3 模拟结果
3.5.4 高维情况的设计
3.6 实际例子的结果
3.6.1 金融发展与收入分布
3.6.2 公司的销售增长
3.7 总结
3.8 附录
3.8.1 推论3.2所需的条件
3.8.2 相关引理及证明
3.8.3 定理3.1的证明
3.8.4 定理3.2的证明
3.8.5 推论3.1的证明
3.8.6 推论3.2的证明
第4章 支撑向量机的模型平均方法
4.1 引言
4.2 模型框架与估计
4.2.1 支撑向量机的模型平均方法
4.2.2 权重选择准则
4.3 理论性质
4.3.1 符号和条件
4.3.2 理论结果
4.4 数值结果
4.4.1 比较方法与评价指标
4.4.2 模型设置
4.4.3 真实数据的例子
4.5 总结
4.6 引理与定理的证明
4.6.1 引理4.1的证明
4.6.2 引理4.2及其证明
4.6.3 定理4.1的证明
第5章 总结与展望
参考文献