Akaike teabe kriteerium (tavaliselt nimetatakse lihtsalt AIC) on kriteerium pesastatud statistiliste või ökonomeetriliste mudelite hulgast valimiseks. AIC on sisuliselt kõigi saadaolevate ökonomeetriliste mudelite kvaliteedi hinnanguline näitaja kuna need on teatud andmekogumi puhul üksteisega seotud, muutes selle ideaalseks mudeli valimise meetodiks.
AIC kasutamine statistilise ja ökonomeetrilise mudeli valimisel
Akaike infokriteerium (AIC) töötati välja koos infoteooria alusega. Infoteooria on rakendusmatemaatika haru, mis käsitleb teabe kvantifitseerimist (loendamise ja mõõtmise protsessi). Kasutades AIC-d antud andmekogumi ökonomeetriliste mudelite suhtelise kvaliteedi mõõtmiseks, annab AIC teadlasele hinnang selle teabe kohta, mis kaotatakse, kui konkreetse mudeli kasutamisel kasutatakse protsessi, mille tulemusel toodeti; andmed. AIC töötab sellisena, et tasakaalustada kompromisse antud mudeli ja selle mudeli vahel sobivuse headus, mis on statistiline termin kirjeldamaks, kui hästi mudel "sobib" andmete või vaatluste kogumiga.
Mida AIC ei tee
Kuna Akaike teabekriteerium (AIC) saab teha statistiliste ja ökonomeetriliste mudelite komplekti ja antud andmekogumiga, on see mudeli valimisel kasulik tööriist. Kuid isegi mudelivaliku tööriistana on AIC-l oma piirangud. Näiteks saab AIC pakkuda ainult mudeli kvaliteedi suhtelist testi. See tähendab, et AIC ei suuda ega saa pakkuda mudeli testi, mille tulemuseks on teave mudeli kvaliteedi kohta absoluutses mõttes. Niisiis, kui kõik testitud statistilised mudelid on võrdselt ebarahuldavad või andmete jaoks valesti sobivad, ei anna AIC algusest peale mingeid viiteid.
AIC ökonomeetria osas
AIC on iga mudeliga seotud number:
AIC = ln (sm2) + 2m / T
Kus m on mudeli parameetrite arv ja sm2 (AR (m) näites) on hinnanguline jääkvariatsioon: sm2 = (ruudu summa) jäägid mudeli m) / T jaoks. See on mudeli keskmine ruudu jääk m.
Kriteeriumi võib vähendada järgmiste valikute korral: m moodustada kompromiss mudeli sobivuse vahel (mis vähendab ruutude summat) jäägid) ja mudeli keerukust, mida mõõdetakse m. Seega saab AR (m) mudelit versus AR (m + 1) selle kriteeriumi abil võrrelda antud andmepartiiga.
Samaväärne koostis on järgmine: AIC = T ln (RSS) + 2K, kus K on regressorite arv, T vaatluste arv ja RSS ruutude jääksumma; minimeeri K kohal, et valida K.
Nagu näiteks komplekt ökonomeetria mudelite puhul on suhtelise kvaliteedi osas eelistatud mudel, millel on minimaalne AIC väärtus.