Seleção de Modelos e o Critério de Informação de Akaike (AIC): A Teoria Geral e suas Extensões Analíticas

Durante os últimos quinze anos, o Critério de Informação baseado na entropia de Akaike (AIC) teve um impacto fundamental em problemas de avaliação de modelos estatísticos. Este artigo estuda a teoria geral do procedimento AIC e fornece suas extensões analíticas de duas maneiras, sem violar os principais princípios de Akaike. Estas extensões tornam o AIC assintoticamente consistente e penalizam a superparametrização de maneira mais rigorosa para selecionar apenas o mais simples dos modelos “verdadeiros”. Estes critérios de seleção são chamados de CAIC e CAICF. Propriedades assintóticas do AIC e suas extensões são investigadas, e desempenhos empíricos desses critérios são estudados na escolha do grau correto de um modelo polinomial em dois diferentes experimentos de Monte Carlo sob diferentes condições.