Информационный критерий Ханнана – Куинна - Hannan–Quinn information criterion

В статистика, то Информационный критерий Ханнана – Куинна (HQC) это критерий для выбор модели. Это альтернатива Информационный критерий Акаике (AIC) и Байесовский информационный критерий (БИК). Это дается как

{ Displaystyle mathrm {HQC} = -2L_ {max} + 2k ln ( ln (n)), }

куда ${ displaystyle L_ {max}}$ логарифмическая вероятность, k это количество параметры, и п это количество наблюдения.

Burnham & Anderson (2002, стр. 287) говорят, что HQC, «хотя и часто упоминается, но, похоже, не нашел практического применения». Они также отмечают, что HQC, как и BIC, но в отличие от AIC, не является оценкой Дивергенция Кульбака – Лейблера. Claeskens & Hjort (2008, гл. 4) отмечают, что HQC, как и BIC, но в отличие от AIC, не является асимптотически эффективный; тем не менее, он пропускает оптимальную скорость оценки на очень небольшой ${ Displaystyle ln ln п}$ фактор. Они также отмечают, что какой бы метод ни использовался для точной настройки критерия, на практике он будет более важен, чем термин ${ Displaystyle ln ln п}$ , так как последнее число мало даже для очень больших ${ displaystyle n}$ ; Тем не менее ${ Displaystyle ln ln п}$ срок гарантирует, что, в отличие от AIC, HQC строго согласован. Это следует из закон повторного логарифма что любой строго последовательный метод должен терять эффективность как минимум на ${ Displaystyle ln ln п}$ фактор, поэтому в этом смысле HQC асимптотически очень хорошо себя ведет. Ван дер Пас и Грюнвальд доказывают, что выбор модели на основе модифицированной байесовской оценки, так называемого распределения переключений, во многих случаях ведет себя асимптотически, как HQC, при этом сохраняются преимущества байесовских методов, такие как использование априорных значений и т. Д.

Информационный критерий Ханнана – Куинна - Hannan–Quinn information criterion

Смотрите также

Рекомендации