บนหน้า 34 ของPRNN Brian Ripley ให้ความเห็นว่า "The AIC ได้รับการตั้งชื่อโดย Akaike (1974) ว่าเป็น 'An Information Criterion' ถึงแม้ว่าดูเหมือนว่าโดยทั่วไปเชื่อว่า A ย่อมาจาก Akaike" แน่นอนเมื่อแนะนำสถิติ AIC, Akaike (1974, p.719) อธิบายว่า
"IC stands for information criterion and A is added so that similar statistics, BIC, DIC
etc may follow".
พิจารณาใบเสนอราคานี้เป็นคำทำนายที่ทำในปี 1974 เป็นที่น่าสนใจที่จะทราบว่าในเวลาเพียงสี่ปีสองประเภทของสถิติ BIC (Bayesian IC) ถูกเสนอโดย Akaike (1977, 1978) และ Schwarz (1978) มันใช้เวลา Spiegelhalter และคณะ (2002) อีกต่อไปที่จะเกิดขึ้นกับ DIC (Deviance IC) ในขณะที่การปรากฏตัวของเกณฑ์ CIC ไม่ได้ถูกทำนายโดย Akaike (1974) มันจะไร้เดียงสาที่จะเชื่อว่ามันไม่เคยไตร่ตรอง มันถูกเสนอโดย Carlos C. Rodriguez ในปี 2005 (โปรดทราบว่า R. Tibshirani และ K. Knight's CIC (เกณฑ์ความแปรปรวนเงินเฟ้อแบบโคเรีย) เป็นสิ่งที่ต่างออกไป)
ฉันรู้ว่า EIC (Empirical IC) ถูกเสนอโดยคนของมหาวิทยาลัย Monash ในปี 2003 ฉันเพิ่งค้นพบเกณฑ์ข้อมูลที่มุ่งเน้น (FIC) หนังสือบางเล่มอ้างถึง Hannan และ Quinn IC ว่า HIC ให้ดูเช่นนี้ ) ฉันรู้ว่าควรมี GIC (Generalized IC) และฉันเพิ่งค้นพบหลักเกณฑ์การลงทุนข้อมูล (IIC) มี NIC, TIC และอีกมากมาย
ฉันคิดว่าฉันสามารถครอบคลุมตัวอักษรที่เหลือได้ดังนั้นฉันจึงไม่ถามว่าลำดับ AIC, BIC, CIC, DIC, EIC, FIC, GIC, HIC, IIC, ... หยุดหรือตัวอักษรที่มี ไม่ถูกใช้งานหรือถูกใช้อย่างน้อยสองครั้ง (เช่น E ใน EIC สามารถยืนสำหรับ Extended หรือ Empirical) คำถามของฉันง่ายขึ้นและฉันหวังว่าจะมีประโยชน์มากกว่า ฉันสามารถใช้สถิติเหล่านั้นสลับกันได้โดยไม่สนใจสมมติฐานที่พวกเขาได้รับมาภายใต้สถานการณ์เฉพาะที่พวกเขาตั้งใจจะนำมาใช้และอื่น ๆ ?
คำถามนี้ได้รับแรงบันดาลใจบางส่วนจาก Burnham & Anderson (2001) ที่เขียนว่า:
...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.
บทที่ 7 ของเอกสารกำกับของ Hyndman et al. เรื่องการปรับให้เรียบแบบเอกซ์โปเนนเชียลดูเหมือนจะทำตามคำแนะนำของ BA เมื่อดูว่าไอซีทางเลือกห้าตัว (AIC, BIC, AICc, HQIC, LEIC) ทำงานได้ดีเพียงใดในการเลือกแบบจำลอง โดยข้อผิดพลาดที่เสนอใหม่ที่เรียกว่า MASE) เพื่อสรุปว่า AIC เป็นทางเลือกที่ดีกว่าบ่อยกว่า (HQIC ถูกรายงานว่าเป็นตัวเลือกรุ่นที่ดีที่สุดเพียงครั้งเดียว)
ฉันไม่แน่ใจว่าอะไรคือวัตถุประสงค์ที่เป็นประโยชน์ของแบบฝึกหัดการวิจัยที่ปฏิบัติต่อ ICC ทั้งหมดโดยปริยายราวกับว่าพวกมันได้รับการตอบคำถามเดียวและคำถามเดียวกันภายใต้สมมติฐานที่เท่าเทียมกัน โดยเฉพาะอย่างยิ่งฉันไม่แน่ใจว่ามันจะมีประโยชน์ในการตรวจสอบประสิทธิภาพการทำนายของเกณฑ์ที่สอดคล้องกันสำหรับการกำหนดลำดับของการตอบโต้อัตโนมัติ (ที่ Hannan และ Quinn มาสำหรับลำดับนิ่งนิ่ง) โดยใช้มันในบริบทของการไม่ชี้แจงคงที่ แบบจำลองที่ราบเรียบอธิบายและวิเคราะห์ในเอกสารโดย Hyndman และคณะ ฉันทำอะไรบางอย่างหายไปหรือเปล่า
อ้างอิง:
Akaike, H. (1974), รูปลักษณ์ใหม่ในการระบุรูปแบบสถิติ, ธุรกรรม IEEE บนการควบคุมอัตโนมัติ 19 (6), 716-723
Akaike, H. (1977), เกี่ยวกับหลักการการเพิ่มประสิทธิภาพเอนโทรปีใน PR Krishnaiah, ed., การประยุกต์ใช้สถิติ , Vol. 27, Amsterdam: North Holland, pp. 27-41
Akaike, H. (1978), การวิเคราะห์แบบเบส์ของขั้นตอน AIC ขั้นต่ำ, พงศาวดารของสถาบันคณิตศาสตร์สถิติ 30 (1), 9-14
Burnham, KP & Anderson, DR (2001) ข้อมูล Kullback – Leibler เป็นพื้นฐานสำหรับการอนุมานที่แข็งแกร่งในการศึกษาทางนิเวศวิทยาการวิจัยสัตว์ป่า 28, 111-119
Hyndman, RJ, Koehler, AB, Ord, JK และสไนเดอร์, RD การพยากรณ์ด้วยการปรับให้เรียบแบบเอ็กซ์โปเนนเชียล: แนวทางพื้นที่ของรัฐ นิวยอร์ก: Springer, 2008
ริปลีย์ BD จดจำรูปแบบและโครงข่ายประสาทเทียม เคมบริดจ์: สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์, 1996
Schwarz, G. (1978), การประมาณขนาดของโมเดล, บันทึกสถิติ 6 (2), 461-464
Spiegelhalter, DJ, Best, NG, Carlin, BP และ van der Linde, A. (2002), การวัดแบบจำลองความซับซ้อนของ Bayesian และ t (พร้อมการอภิปราย), วารสารสมาคมสถิติแห่งราชอาณาจักร ชุด B (ระเบียบวิธีทางสถิติ) 64 (4), 583-639