シュワルツ情報基準の変種を用いた回帰および時系列モデル選択

シュワルツ（1978）情報基準、SICは、計算の簡便さと多くのモデリングフレームワークにおける効果的なパフォーマンスにより、モデル選択のための広く使用されるツールです。SIC（Schwarz, 1978）の導出は、基準を候補モデルのベイズ後確率の変換に対する漸近近似として確立しています。本論文では、漸近的に無視されるとして廃棄される項の識別に関する導出を調査しますが、これらの項は小規模から中規模のサンプルサイズのアプリケーションでは重要である可能性があります。これらの項を含むことに基づいていくつかのSICの変種を提案します。シミュレーション研究の結果は、これらの変種が2つの重要な応用分野、すなわち多変量線形回帰と時系列分析におけるSICのパフォーマンスを向上させることを示しています。