Trên P. 34 trong số PRNN Brian Ripley của ông nhận xét rằng "AIC được Akaike (1974) đặt tên là" Tiêu chí thông tin "mặc dù có vẻ như người ta thường tin rằng chữ A là viết tắt của Akaike". Thật vậy, khi giới thiệu thống kê AIC, Akaike (1974, tr.719) giải thích rằng
"IC stands for information criterion and A is added so that similar statistics, BIC, DIC
etc may follow".
Xem trích dẫn này như một dự đoán được thực hiện vào năm 1974, thật thú vị khi chỉ trong bốn năm, hai loại thống kê BIC (Bayesian IC) đã được đề xuất bởi Akaike (1977, 1978) và Schwarz (1978). Nó đã lấy Spiegelhalter et al. (2002) lâu hơn nữa để đưa ra DIC (Deviance IC). Mặc dù sự xuất hiện của tiêu chí CIC không được dự đoán bởi Akaike (1974), nhưng sẽ thật ngây thơ khi tin rằng nó không bao giờ được dự tính. Nó đã được đề xuất bởi Carlos C. Rodriguez vào năm 2005. (Lưu ý rằng R. Tibshirani và K. Knight's CIC (Tiêu chí lạm phát hiệp phương sai) là một điều khác biệt.)
Tôi biết rằng EIC (IC theo kinh nghiệm) được đề xuất bởi những người của Đại học Monash vào khoảng năm 2003. Tôi mới phát hiện ra Tiêu chí Thông tin Tập trung (FIC). Một số cuốn sách đề cập đến Hannan và Quinn IC là HIC, xem ví dụ như cuốn này ). Tôi biết nên có GIC (IC tổng quát) và tôi vừa khám phá Tiêu chí đầu tư thông tin (IIC). Có NIC, TIC và nhiều hơn nữa.
Tôi nghĩ rằng tôi có thể bao gồm phần còn lại của bảng chữ cái, vì vậy tôi không hỏi trình tự AIC, BIC, CIC, DIC, EIC, FIC, GIC, HIC, IIC, ... dừng lại ở đâu, hoặc các chữ cái của bảng chữ cái có không được sử dụng hoặc được sử dụng ít nhất hai lần (ví dụ E trong EIC có thể thay thế cho Mở rộng hoặc theo kinh nghiệm). Câu hỏi của tôi đơn giản hơn và tôi hy vọng thực tế hữu ích hơn. Tôi có thể sử dụng các số liệu thống kê đó thay thế cho nhau, bỏ qua các giả định cụ thể mà chúng được đưa ra theo, các tình huống cụ thể mà chúng có nghĩa là được áp dụng, v.v.
Câu hỏi này một phần được thúc đẩy bởi Burnham & Anderson (2001) viết rằng:
...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.
Chương 7 của chuyên khảo của Hyndman và cộng sự về làm mịn theo cấp số nhân dường như làm theo lời khuyên của BA khi xem xét năm IC thay thế (AIC, BIC, AICc, HQIC, LEIC) thực hiện như thế nào trong việc lựa chọn mô hình dự báo tốt nhất (được đo lường) bằng một biện pháp lỗi mới được đề xuất gọi là MASE) để kết luận rằng AIC là sự thay thế tốt hơn thường xuyên hơn. (HQIC được báo cáo là công cụ chọn mô hình tốt nhất chỉ một lần.)
Tôi không chắc mục đích hữu ích của các bài tập nghiên cứu là ngầm đối xử với tất cả ICc như thể chúng có nguồn gốc để trả lời một và cùng một câu hỏi theo các giả định tương đương. Cụ thể, tôi không chắc sẽ hữu ích như thế nào khi điều tra hiệu suất dự đoán của tiêu chí nhất quán để xác định thứ tự của sự tự phát (mà Hannan và Quinn đã tạo ra cho các chuỗi ổn định ergodic) bằng cách sử dụng nó trong bối cảnh của số không cố định theo cấp số nhân mô hình làm mịn được mô tả và phân tích trong chuyên khảo của Hyndman et al. Am i thiếu cái gì ở đây?
Người giới thiệu:
Akaike, H. (1974), Một cái nhìn mới về nhận dạng mô hình thống kê, Giao dịch của IEEE về Điều khiển tự động 19 (6), 716-723.
Akaike, H. (1977), Về nguyên tắc tối đa hóa entropy, trong PR Krishnaiah, chủ biên, Ứng dụng thống kê , Tập. 27, Amsterdam: Bắc Hà Lan, trang 27-41.
Akaike, H. (1978), Một phân tích Bayes về thủ tục AIC tối thiểu, Biên niên sử của Viện Toán học Thống kê 30 (1), 9-14.
Burnham, KP & Anderson, DR (2001) Thông tin về KullbackTHER Leibler làm cơ sở cho sự suy luận mạnh mẽ trong nghiên cứu sinh thái, Nghiên cứu Động vật hoang dã 28, 111-119
Hyndman, RJ, Koehler, AB, Ord, JK & Snyder, RD Dự báo với làm mịn theo cấp số nhân: cách tiếp cận không gian trạng thái. New York: Mùa xuân, 2008
Ripley, nhận dạng mẫu BD và mạng nơ ron . Cambridge: Nhà xuất bản Đại học Cambridge, 1996
Schwarz, G. (1978), Ước tính kích thước của một mô hình, Biên niên sử Thống kê 6 (2), 461-464.
Spiegelhalter, DJ, Best, NG, Carlin, BP và van der Linde, A. (2002), các biện pháp phức tạp của mô hình Bayes và t (có thảo luận), Tạp chí của Hiệp hội Thống kê Hoàng gia. Sê-ri B (Phương pháp thống kê) 64 (4), 583-639.