आपके नोट्स से जो सूत्र आप उद्धृत करते हैं, वह वास्तव में एआईसी नहीं है।
AIC ।- 2 लॉगएल +2के
यहाँ मैं एक अनुमानित व्युत्पत्ति की रूपरेखा दूंगा जो स्पष्ट करता है कि क्या चल रहा है।
यदि आपके पास निरंतर विचरण के साथ स्वतंत्र सामान्य त्रुटियों वाला मॉडल है,
एल अल्फा σ- एनइ- 12 σ2Σ ε2मैं
जिसका अनुमान अधिकतम संभावना के तहत लगाया जा सकता है
ααα( σ^2)- एन / २इ- 12n σ^2/ σ^2( σ^2)- एन / २इ- 12n( σ^2)- एन / २
(अनुमान लगाना का एमएल अनुमान है)σ2
तो (एक स्थिर द्वारा स्थानांतरण करने के लिए)- 2 लॉगएल +2के=एनलॉगσ^2+ 2 के
अब ARMA मॉडल में, यदि और की तुलना में वास्तव में बड़ा है , तो संभावना को इस तरह के एक गाऊसी ढांचे द्वारा अनुमानित किया जा सकता है (उदाहरण के लिए, आप ARMA को लिखने के लिए पर्याप्त शर्तों पर एक लंबे AR और स्थिति के रूप में लिख सकते हैं - AR) प्रतिगमन मॉडल के रूप में), इसलिए स्थान पर साथ :पी क्यू टी एनटीपीक्षटीn
A मैंसी≈ टीलॉगσ^2+ 2 के
इसलिये
A मैंसी/ टी≈ लॉगσ^2+ 2 के / टी
अब यदि आप केवल AIC की तुलना कर रहे हैं , तो द्वारा उस विभाजन से कोई फर्क नहीं पड़ता, क्योंकि यह AIC मानों के क्रम को नहीं बदलता है।टी
हालाँकि, यदि आप AIC का उपयोग किसी अन्य उद्देश्य के लिए कर रहे हैं जो AIC में अंतरों के वास्तविक मूल्य पर निर्भर करता है (जैसे कि बर्नहैम और एंडरसन द्वारा वर्णित मल्टीमॉडल इंट्रेंस के रूप में), तो यह मायने रखता है।
कई अर्थमिति ग्रंथ इस AIC / T फॉर्म का उपयोग करते हैं। अजीब तरह से, कुछ किताबें हर्विच और त्साई 1989 या उस रूप के लिए फाइंडली 1985 का संदर्भ देती हैं, लेकिन हुरिविच और त्सई और फाइंडली मूल रूप की चर्चा करते हुए प्रतीत होते हैं (हालांकि मेरे पास अभी इस बात का अप्रत्यक्ष संकेत है कि फाइंडली अभी क्या है, इसलिए शायद यही है) उस पर Findley में कुछ)।
इस तरह की स्केलिंग कई कारणों से की जा सकती है - उदाहरण के लिए, टाइम सीरीज़, विशेष रूप से हाई फ़्रीक्वेंसी टाइम सीरीज़, बहुत लंबी हो सकती है और साधारण AICs में अनचाहे बनने की प्रवृत्ति हो सकती है, खासकर अगर बहुत छोटा है। (कुछ अन्य संभावित कारण हैं, लेकिन चूंकि मुझे वास्तव में इसका कारण नहीं पता है इसलिए यह किया गया था कि मैं सभी संभावित कारणों की सूची नीचे नहीं जाऊंगा।)σ2
आप रॉब ह्यंडमैन की तथ्यों और एआईसी के पतन की सूची को देखना पसंद कर सकते हैं , - विशेष रूप से आइटम 3 से 7। उन बिंदुओं में से कुछ आपको कम से कम थोड़ा सतर्क होने के लिए प्रेरित कर सकते हैं क्योंकि कौशिक संभावना द्वारा सन्निकटन पर बहुत अधिक निर्भरता है, लेकिन हो सकता है कि मैं यहां पेश करने की तुलना में बेहतर औचित्य हूं।
मुझे यकीन नहीं है कि वास्तविक एआईसी के बजाय लॉग-लाइक के लिए इस सन्निकटन का उपयोग करने का एक अच्छा कारण है क्योंकि इन दिनों बहुत सारे श्रृंखला पैकेज पैकेज एआरएमए मॉडल के लिए वास्तविक लॉग-लाइबिलिटी की गणना (अधिकतम) करते हैं। इसका उपयोग नहीं करने के लिए बहुत कम कारण लगता है।