AIC cho các mô hình không lồng nhau: hằng số chuẩn hóa


12

AIC được định nghĩa là , trong đó là công cụ ước tính khả năng tối đa và là kích thước của không gian tham số. Đối với ước tính của , người ta thường bỏ qua yếu tố không đổi của mật độ. Đây là, yếu tố không phụ thuộc vào các tham số, để đơn giản hóa khả năng. Mặt khác, yếu tố này rất quan trọng đối với việc tính toán AIC, vì khi so sánh các mô hình không lồng nhau thì yếu tố này không phổ biến và khi đó thứ tự của các AIC tương ứng có thể khác nếu không được xem xét.MộtTôiC= =-2đăng nhập(L(θ^))+2pθ^pθ

Câu hỏi của tôi là , làm chúng ta cần phải tính toán bao gồm tất cả các điều khoản của mật độ khi so sánh mô hình phi lồng nhau?đăng nhập(L(θ^))


θL(θ^)

2
Vì đó là sự khác biệt về khả năng đăng nhập có vấn đề, nên các thuật ngữ chung là không liên quan, trong khi bất kỳ điều gì khác biệt sẽ quan trọng.
Glen_b -Reinstate Monica

Câu trả lời:


5

Trong trường hợp chuẩn hóa 'hằng số' khác nhau giữa các mô hình đang được xem xét, các điều khoản đó sẽ cần được đưa vào.


2
Vâng, đó là những gì tôi nghĩ là tốt. Bạn có biết bất kỳ tài liệu tham khảo về điều này?
Kawabata
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.