모델 선택 및 아카이케 정보 기준(AIC): 일반 이론과 그 분석적 확장

지난 15년 동안, 아카이케의 엔트로피 기반 정보 기준(AIC)은 통계 모델 평가 문제에 근본적인 영향을 미쳤습니다. 이 논문에서는 AIC 절차의 일반 이론을 연구하고 아카이케의 주요 원칙을 위반하지 않으면서 두 가지 방식으로 분석적 확장을 제공합니다. 이러한 확장은 AIC를 점근적으로 일관되게 만들고 과매개변수를 더 엄격하게 처벌하여 “진정한” 모델 중 가장 간단한 것만 선택하도록 합니다. 이러한 선택 기준은 CAIC 및 CAICF라고 불립니다. AIC 및 그 확장의 점근적 특성을 조사하고, 서로 다른 조건 하에서 두 가지 다른 몬테카를로 실험에서 다항식 모델의 올바른 정도를 선택하는 데 있어 이 기준의 실증적 성과를 연구합니다.