В связи с недавним изменением статистики выбора модели по умолчанию в пакете прогноза R с AIC на AICc, мне любопытно, действительно ли последнее применимо везде, где первое. У меня есть ряд вопросов на этот счет, и вот первый.
Я знаю, что заменять AIC на AICc везде - это то, что рекомендует хорошо известная книга (1) Бернхэма и Андерсона (не статистиков), которая здесь кратко изложена . На книгу иногда некритически ссылаются молодые статистики, см., Например, комментарии к этому сообщению в блоге Роба Хиндмана , но статистик Брайан Рипли посоветовал совершенно по-другому:
“Burnham and Anderson (2002) is a book I would recommend people NOT read until
they have read the primary literature. I see no evidence that the authors have
actually read Akaike’s papers." [quoted from [AIC MYTHS AND MISUNDERSTANDINGS][4] by
Burnham-Anderson]
Из того, что пишет Рипли об АПК и связанной с ним теории, следует, что предупреждение следует воспринимать серьезно. У меня есть и хорошая коллекция работ Акаике, и книга Бернхэма-Андерсона. Со временем у меня будет собственное мнение о качестве книги, но это также поможет узнать, что об этом думает сообщество статистиков, как молодых, так и старых. В частности, есть ли профессора статистики (или другие хорошие ученики статистики), которые явно рекомендовали книгу как полезную сводку знаний об использовании AIC для выбора модели?
Ссылка:
(1) Бернхэм, К.П. и Андерсон, Д.Р. Выбор модели и многомодельный вывод: практический теоретико-информационный подход Springer, 2002
PS. В ответ на недавний «ответ» о том, что «доктор Барнхем является доктором статистики», я хотел бы добавить это разъяснение. Да, он сам является статистиком, членом ASA и обладателем многочисленных профессиональных наград, в том числе медали за выдающиеся достижения от ASA. Но кто сказал, что это не так? Все, что я сказал выше, это то, что как пара авторов они не являются статистиками, и книга отражает этот факт.
источник
Ответы:
ФП, похоже, ищет качественный опрос статистиков высокого качества, чтобы помочь оценить, является ли одна конкретная книга высокого качества, особенно в отношении дебатов AIC против AICc. Этот сайт не особенно предназначен для систематических обследований. Вместо этого я попытаюсь обратиться к основному вопросу напрямую.
AIC и AICc оценивают модели в соответствии с эвристическим компромиссом между подгонкой модели (с точки зрения вероятности) и превышением (с точки зрения количества параметров). В этом компромиссе AICc дает несколько больший штраф за количество параметров. Таким образом, AICc всегда рекомендует в пользу моделей, сложность которых меньше или равна сложности лучшей модели AIC. В этом смысле отношения между ними очень просты, несмотря на ужасно сложные аргументы, лежащие в основе их происхождения.
AIC и AICc - только два из большого поля информационных критериев кандидатов, причем BIC и DIC являются, пожалуй, основными альтернативами. BIC гораздо более консервативен (штрафует большое количество параметров модели), чем AIC или AICc в большинстве случаев. Вопрос о том, какой критерий является лучшим, действительно специфичен для проблемы. Можно законно предпочесть чрезвычайно консервативный критерий в тех случаях, когда необходимо надежное прогнозирование вне выборки.
FWIW, я обнаружил, что уровень консерватизма AICc, как правило, предпочтительнее, чем AIC, в обширных имитационных исследованиях ошибок прогнозирования в моделях захвата-захвата.
источник