Robię prognozowanie w R, używając pakietu prognozy Roba Hyndmana . Papier należący do paczki można znaleźć tutaj .
W artykule, po wyjaśnieniu algorytmów automatycznego prognozowania, autorzy implementują algorytmy na tym samym zbiorze danych. Jednak po oszacowaniu zarówno wygładzania wykładniczego, jak i modelu ARIMA, formułują stwierdzenie, którego nie rozumiem (na stronie 17):
Pamiętaj, że kryteria informacyjne nie są porównywalne.
Pomyślałem, że zaletą użycia AIC do wyboru modelu jest to, że możemy porównywać wartości AIC z różnych modeli, o ile są one szacowane przy użyciu tego samego zestawu danych. Czy to jest nieprawidłowe?
Ta kwestia jest dla mnie szczególnie interesująca, ponieważ planowałem połączyć prognozy z różnych klas modeli (np. Wygładzanie wykładnicze i ARIMA) przy użyciu tak zwanych wag Akaike (patrz Burnham i Anderson, 2002, w celu omówienia wag Akaike)
Bibliografia
- Burnham, KP i Anderson, DR (2002). Wybór modelu i wnioskowanie wielomodelowe: praktyczne podejście teoretyczno-informacyjne. Springer Verlag.