非嵌套模型的AIC：归一化常数

AIC定义为，其中是最大似然估计量，是参数空间的维数。对于的估计，通常会忽略密度的常数因子。这就是不依赖参数的因素，以简化可能性。另一方面，该因素对于AIC的计算非常重要，因为在比较非嵌套模型时，该因素并不常见，如果不考虑，则相应AIC的顺序可能会有所不同。 $AIC=-2 \log(L(\hat\theta))+2p$ $\hat\theta$ $p$ $\theta$

我的问题是，比较非嵌套模型时，是否需要计算包括所有密度项的？ $\log(L(\hat\theta))$

model-selection aic nested-models

— 川端田
source

我想我误会了。在您说“对于的估计”时，您是说“ ”吗？

θ

$\theta$

L (\hat{θ})

$L(\hat\theta)$

— David J. Harris，

因为重要的是对数似然率，所以通用的术语无关紧要，而任何不同的术语都将重要。

— Glen_b-恢复莫妮卡

如果所考虑的模型之间的标准化“常数”不同，则需要包括这些术语。

— Glen_b-恢复莫妮卡
source

是的，这也是我的想法。您知道这方面的参考吗？

— 川端