यह अच्छी तरह से स्थापित है, कम से कम कुछ उच्च कैलिबर के सांख्यिकीविदों के बीच, कि न्यूनतम मूल्य की एक निश्चित सीमा के भीतर एआईसी सांख्यिकी के मूल्यों के साथ मॉडल को एआईसी सांख्यिकी को न्यूनतम करने वाले मॉडल के रूप में उपयुक्त माना जाना चाहिए। उदाहरण के लिए, [१, पृष्ठ २२] में हम पाते हैं
तब छोटे जीसीवी या एआईसी वाले मॉडल सबसे अच्छे माने जाएंगे। बेशक किसी को जीसीवी या एआईसी को केवल नेत्रहीन रूप से कम नहीं करना चाहिए। बल्कि, यथोचित छोटे जीसीवी या एआईसी मूल्यों वाले सभी मॉडलों को उनकी सादगी और वैज्ञानिक महत्व के अनुसार संभावित रूप से उपयुक्त और मूल्यांकन किया जाना चाहिए।
इसी तरह, [२, पृष्ठ १४४] में हमारे पास है
यह सुझाव दिया गया है (डुओंग, 1984) कि न्यूनतम मूल्य के सी के भीतर एआईसी मूल्यों वाले मॉडल को प्रतिस्पर्धी माना जाना चाहिए (एक विशिष्ट मूल्य के रूप में सी = 2 के साथ)। प्रतिस्पर्धी मॉडलों में से चयन तब अवशिष्टों की सफेदी (धारा 5.3) और मॉडल सादगी जैसे कारकों पर आधारित हो सकता है।
संदर्भ:
- रूपर्ट, डी।; वांड, एमपी एंड कारोल, आरजे सेमीप्रेमेट्रिक रिग्रेशन , कैम्ब्रिज यूनिवर्सिटी प्रेस, 2003
- ब्रॉकवेल, पीजे एंड डेविस, आरए परिचय टू टाइम-सीरीज़ एंड फोरकास्टिंग , जॉन विली एंड संस, 1996
तो ऊपर दिए गए, नीचे दिए गए दो मॉडलों में से किसे प्राथमिकता दी जानी चाहिए?
print( lh300 <- arima(lh, order=c(3,0,0)) )
# ... sigma^2 estimated as 0.1787: log likelihood = -27.09, aic = 64.18
print( lh100 <- arima(lh, order=c(1,0,0)) )
# ... sigma^2 estimated as 0.1975: log likelihood = -29.38, aic = 64.76
आम तौर पर, जब एआईसी या संबंधित सांख्यिकी को आँख बंद करके मॉडल का चयन करना उचित होता है?