에 p. PRNN 브라이언 리플리 (Brian Ripley)의 34 명은 "AIC는 Akaike의 약자라고 일반적으로 믿어 지지만 Akaike (1974)에 의해"정보 기준 "으로 명명되었다"고 언급했다. 실제로 AIC 통계를 소개 할 때 Akaike (1974, p.719)는 다음과 같이 설명합니다.
"IC stands for information criterion and A is added so that similar statistics, BIC, DIC
etc may follow".
이 인용문을 1974 년에 이루어진 예측으로 고려하면, 단지 4 년 만에 Akaike (1977, 1978)와 Schwarz (1978)에 의해 두 가지 유형의 BIC 통계 (Bayesian IC)가 제안되었다는 점에 주목하는 것이 흥미 롭습니다. Spiegelhalter et al. (2002)는 DIC (Deviance IC)를 훨씬 더 길게 만들었습니다. CIC 기준의 출현은 Akaike (1974)에 의해 예측되지 않았지만, 결코 고려되지 않았다고 믿는 것은 순진 할 것이다. 2005 년 Carlos C. Rodriguez가 제안했습니다. (R. Tibshirani와 K. Knight의 CIC (공분산 인플레이션 기준)는 다릅니다.)
나는 2003 년경 모나 쉬 대학교 사람들이 EIC (Empirical IC)를 제안했다는 것을 알고있었습니다. 일부 책은 Hannan 및 Quinn IC를 HIC라고합니다 ( 예 :이 책 참조 ). 나는 GIC (Generalized IC)가 있어야한다는 것을 알고 있으며 방금 정보 투자 기준 (IIC)을 발견했습니다. NIC, TIC 등이 있습니다.
나는 알파벳의 나머지 부분을 포함 할 수 있다고 생각하므로 시퀀스 AIC, BIC, CIC, DIC, EIC, FIC, GIC, HIC, IIC, ... 중지 또는 알파벳 문자가 어디에 있는지 묻지 않습니다. 적어도 두 번 사용 또는 사용하지 않은 경우 (예 : EIC의 E는 확장 또는 경험적)를 나타낼 수 있습니다. 내 질문은 더 간단하고 더 실질적으로 유용하기를 바랍니다. 파생 된 특정 가정, 적용 가능한 특정 상황 등을 무시하고 이러한 통계를 상호 교환하여 사용할 수 있습니까?
이 질문은 Burnham & Anderson (2001)이 다음과 같이 썼습니다 :
...the comparison of AIC and BIC model selection ought to be based on their performance
properties such as mean square error for parameter estimation (includes prediction) and
confidence interval coverage: tapering effects or not, goodness-of-fit issues,
derivation of theory is irrelevant as it can be frequentist or Bayes.
지수 평활에 관한 Hyndman et al.의 논문 7 장은 5 개의 대안 IC (AIC, BIC, AICc, HQIC, LEIC)가 가장 잘 예측 된 모델을 선택하는 데있어 얼마나 잘 수행 하는지를 조사 할 때 BA의 조언을 따르는 것으로 보입니다 (측정 된대로) AIC가 더 나은 대안이라고 결론을 내기 위해 새로 제안 된 MASE) (HQIC는 단 한 번의 최고의 모델 선택기로보고되었습니다.)
모든 ICc가 동등한 가정 하에서 동일한 질문에 답하기 위해 도출 된 것처럼 내재적으로 처리하는 연구 연습의 유용한 목적이 무엇인지 잘 모르겠습니다. 특히, 나는 정지하지 않은 지수의 맥락에서 그것을 사용하여 자기 회귀의 순서 (한난과 퀸이 인체 공학적 고정 시퀀스에 대해 도출 된)를 결정하기위한 일관된 기준의 예측 성능을 조사하는 것이 얼마나 유용한 지 잘 모르겠습니다. Hyndman et al.에 의해 논문에서 기술되고 분석 된 평활화 모델. 여기에 뭔가 빠졌습니까?
참고 문헌 :
Akaike, H. (1974), 통계 모델 식별, IEEE 자동 트랜잭션 제어 19 (6), 716-723에 대한 새로운 모습 .
Akaike, H. (1977), 엔트로피 최대화 원리에 관한 PR Krishnaiah, ed., 통계의 응용 , Vol. 27, 암스테르담 : North Holland, 27-41 쪽.
Akaike, H. (1978), 최소 AIC 절차의 베이지안 분석, 통계 수학 연구소의 연대기 30 (1), 9-14.
Burnham, KP & Anderson, DR (2001) Kullback – 생태학 연구에서 강력한 추론을위한 기초 정보 인 야생 동물 연구 28, 111-119
Hyndman, RJ, Koehler, AB, Ord, JK & Snyder, 지수 평활을 통한 RD 예측 : 상태 공간 접근. 뉴욕 : 2008 년 스프링거
리플리, BD 패턴 인식 및 신경망 . 케임브리지 : 케임브리지 대학 출판부, 1996
Schwarz, G. (1978), 모형의 치수 추정, Annals of Statistics 6 (2), 461-464.
Spiegelhalter, DJ, Best, NG, Carlin, BP 및 van der Linde, A. (2002), 베이지안 모델 복잡성 측정 및 t (토론 포함), 왕립 통계 학회지. 시리즈 B (통계 방법론) 64 (4), 583-639.