这是一个相关的问题,何时通过最小化aic来适当地选择模型?。它为您提供了一个大致的概念,即哪些在学术界不知名的人认为合适的写作方式以及留下哪些重要的参考资料。
通常,重要的是可能性或AIC之间的差异,而不是其绝对值。您已经错过了问题中“ BIC:0-2弱”中的重要词“差异”,请查看Raftery的表6,并且很奇怪,没有人想要纠正这一点。
我本人已被教导要寻找MAICE(AIC估算的最小值-如Akaike所称)。所以呢?这是一位名人写给一位不知名女士的信:
Dear Miss --
I have read about sixteen pages of your manuscript ... I suffered exactly the same
treatment at the hands of my teachers who disliked me for my independence and passed
over me when they wanted assistants ... keep your manuscript for your sons and
daughters, in order that they may derive consolation from it and not give a damn for
what their teachers tell them or think of them. ... There is too much education
altogether.
我的老师从未听说过标题为“测试两个AIC是否显着不同”的论文,我什至不记得他们曾经称AIC为统计数据,该统计数据具有抽样分布和其他属性。有人告诉我,AIC是可以自动执行的最小化标准。
我认为几年前爱尔兰统计局曾在这里表达过另一个重要问题(如果我未能找到答案,我会从记忆中道歉,如果我没有找到答案),是出于不同的目的得出了AIC,BIC和其他标准,例如,在不同的条件(假设)下,您通常不能互换使用它们。您不能只喜欢不适当的东西。
我的资料显示,我引用伯纳姆和安德森(Burnham and Anderson,2002,第70页)来表示0-2之内的增量(AIC差异)具有实质性支持;4-7之内的差值大大少于支持,而大于10的差值基本上没有支持。另外,我写道:“作者还讨论了这些准则可能有用的条件”。Stat的答案引用了这本书,我认为这是最相关的。