AIC untuk model non-bersarang: normalisasi konstan

AIC didefinisikan sebagai , di mana adalah estimator kemungkinan maksimum dan adalah dimensi ruang parameter. Untuk estimasi , biasanya diabaikan faktor konstan dari kepadatan. Ini adalah faktor yang tidak bergantung pada parameter, untuk menyederhanakan kemungkinan. Di sisi lain, faktor ini sangat penting untuk perhitungan AIC, mengingat bahwa ketika membandingkan model non-bersarang faktor ini tidak umum dan kemudian urutan AIC yang sesuai mungkin berbeda jika tidak dipertimbangkan. $AIC=-2 \log(L(\hat\theta))+2p$ $\hat\theta$ $p$ $\theta$

Pertanyaan saya adalah , apakah kita perlu menghitung termasuk semua syarat kepadatan saat membandingkan model yang tidak bersarang? $\log(L(\hat\theta))$

model-selection aic nested-models

— Kawabata
sumber

Saya pikir saya salah memahami sesuatu. Di mana Anda mengatakan "Untuk perkiraan ", apakah maksud Anda " "?

θ

$\theta$

L (\hat{θ})

$L(\hat\theta)$

— David J. Harris

Karena perbedaan dalam log-likelihood yang penting, istilah yang sama tidak relevan, sedangkan yang berbeda akan penting.

— Glen_b -Reinstate Monica

Di mana normalisasi 'konstan' berbeda di seluruh model yang dipertimbangkan, istilah-istilah tersebut perlu dimasukkan.

— Glen_b -Reinstate Monica
sumber

Ya, itulah yang saya pikirkan juga. Apakah Anda tahu ada referensi tentang ini?

— Kawabata