모델이 동일한 데이터 세트를 기반으로하는 한 AIC 값을 비교할 수 있습니까?

Rob Hyndman의 예측 패키지를 사용하여 R에서 일부 예측을 수행하고 있습니다 . 패키지에 포함 된 용지는 여기 에서 찾을 수 있습니다 .

이 논문에서 저자들은 자동 예측 알고리즘을 설명한 후 동일한 데이터 세트에서 알고리즘을 구현합니다. 그러나 지수 평활과 ARIMA 모델을 모두 추정 한 후에는 이해할 수없는 진술을합니다 (17 페이지).

정보 기준은 비교할 수 없습니다.

나는 생각 모델 선택을위한 AIC를 사용하는 장점은 우리가 그들이 동일한 데이터 세트를 사용하여 추정 한, 다른 모델에서 AIC 값을 비교할 수 있다는 점이다. 이것이 맞지 않습니까?

이 문제는 소위 Akaike 가중치를 사용하여 다른 모델 클래스 (예 : 지수 평활 및 ARIMA)의 예측을 결합 할 계획이므로 특히 중요합니다 (Akaike 가중치에 대한 논의는 Burnham and Anderson, 2002 참조).

참고 문헌

• Burnham, KP, and Anderson, DR (2002). 모델 선택 및 다중 모델 추론 : 실용적인 정보 이론적 접근. 스프링거 Verlag.

두 모델은 초기 값을 다르게 취급합니다. 예를 들어, 차분 후 ARIMA 모델은 더 적은 관측치에서 계산되는 반면 ETS 모델은 항상 전체 데이터 집합에서 계산됩니다. 모델이 동일하더라도 (예 : ARIMA (0,1,1) 및 ETS (A, N, N)) AIC 값은 달라집니다.

사실상, ETS 모델의 가능성은 초기 상태 벡터에 조건부 인 반면, 비 정적 ARIMA 모델의 가능성은 비 정지 성분에 대해 사전 확산이 사용되는 경우에도 처음 몇 개의 관측치에 조건부이다.