모델 선택과 아카이케 정보 기준(AIC): 일반 이론과 그 분석적 확장

지난 15년 동안, 아카이케의 엔트로피 기반 정보 기준(AIC)은 통계적 모델 평가 문제에 근본적인 영향을 미쳤습니다. 본 논문은 AIC 절차의 일반 이론을 연구하고, 아카이케의 주요 원칙을 위배하지 않는 두 가지 방식으로 그 분석적 확장을 제공합니다. 이 확장들은 AIC를 점근적으로 일관성 있게 만들고, 과도한 매개변수화에 대해 더 엄격하게 페널티를 부여하여 '진정한' 모델 중 가장 단순한 것만 선택하도록 합니다. 이러한 선택 기준을 CAIC와 CAICF라 부릅니다. AIC 및 그 확장의 점근적 특성을 조사하고, 두 가지 서로 다른 몬테카를로 실험에서 다양한 조건 하에 다항식 모델의 올바른 차수를 선택하는 기준들의 경험적 성능을 연구합니다.