노트에서 인용 한 공식은 정확히 AIC가 아닙니다.
AIC는 .− 2 로그L +2K
여기에 무슨 일이 일어나고 있는지 대략적으로 도출하는 대략적인 도출에 대한 개요가 있습니다.
일정한 분산으로 독립적 인 정규 오차가있는 모형이있는 경우,
L∝σ−ne−12σ2∑ε2i
최대 가능성으로 추정 할 수 있습니다.
∝∝∝(σ^2)−n/2e−12nσ^2/σ^2(σ^2)−n/2e−12n(σ^2)−n/2
σ2
−2logL+2k=nlogσ^2+2k
TpqTn
AIC≈Tlogσ^2+2k
그 후
AIC/T≈logσ^2+2k/T
T
그러나 AIC의 실제 차이 값 (예 : 번햄과 앤더슨이 설명한대로 다중 모델 추론 수행)에 의존하는 다른 목적으로 AIC를 사용하는 경우 중요합니다.
수많은 계량 경제학 텍스트가이 AIC / T 형식을 사용하는 것 같습니다. 이상하게도 일부 책은 해당 양식에 대해 Hurvich 및 Tsai 1989 또는 Findley 1985를 참조하는 것으로 보이지만 Hurvich & Tsai 및 Findley는 원래 양식에 대해 논의하고있는 것 같습니다 (지금 Findley가 수행하는 작업에 대한 간접적 인 표시 만 있기 때문에 아마도 그것에 Findley에 무언가).
σ2
Rob Hyndman의 AIC에 대한 사실과 오류 목록 , 특히 3 ~ 7 개의 항목 을보고 싶을 수 있습니다 . 이러한 점 중 일부는 가우시안 가능성에 의한 근사치에 너무 크게 의존하는 것에 대해 약간의주의를 기울일 수 있습니다. 내가 여기서 제공하는 것보다 더 나은 정당성이 있을지도 모릅니다.
요즘 많은 시계열 패키지가 ARMA 모델의 실제 로그 가능성을 계산 (최대화)하는 경향이 있기 때문에 실제 AIC가 아닌 로그 가능성 에이 근사치를 사용해야하는 좋은 이유가 확실하지 않습니다. 그것을 사용하지 않는 이유는 거의 없습니다.