statsmodels.tools.eval_measures.aic_sigma¶

statsmodels.tools.eval_measures.aic_sigma(sigma2, nobs, df_modelwc, islog=False)[source]¶

赤池信息量准则

Parameters:¶

sigma2float

多元情况下残差方差或Sigma_hat的行列式的估计。如果islog为真，则假设sigma已经是对数形式，例如logdetSigma。

nobsint

观测数量

df_modelwcint

包括常数在内的参数数量

Returns:¶

aicfloat

信息准则

注释

与对数似然基准信息准则相比，常数项已被剔除。信息准则应仅用于比较可比较的模型。

例如，AIC 是根据对数似然定义的

\(-2 llf + 2 k\)

在 \(\hat{\sigma}^2\) 方面

\(log(\hat{\sigma}^2) + 2 k / n\)

在\(\hat{\Sigma}\)的行列式方面

\(log(\|\hat{\Sigma}\|) + 2 k / n\)

注意：在我们的定义中，对数似然版本中我们不除以n。

待办事项: Latex 数学

Herman Bierens的示例讲义参考

参考文献

https://en.wikipedia.org/wiki/Akaike_information_criterion