Porównanie AIC modelu i jego wersji przekształconej w log

17

Istota mojego pytania brzmi:

Niech będzie wielowymiarową normalną zmienną losową ze średnią i macierzą kowariancji . Niech , tj. . Jak porównać AIC modelu dopasowanego do obserwowanych realizacji z modelem dopasowanym do obserwowanych realizacji ? μ Σ Z : = log ( Y ) Z i = log ( Y i ) , i { 1 , , n } Y ZYRnμΣZ:=log(Y)Zi=log(Yi),i{1,,n}YZ



Moje początkowe i nieco dłuższe pytanie:

Niech YN(μ,Σ) będzie wielowymiarową normalną zmienną losową. Jeśli chcę porównać model dopasowany do Y i model dopasowany do log(Y) , mógłbym spojrzeć na ich prawdopodobieństwa dziennika. Ponieważ jednak modele te nie są zagnieżdżone, nie mogę bezpośrednio porównywać prawdopodobieństwa dziennika (i innych rzeczy, takich jak AIC itp.), Ale muszę je przekształcić.

Wiem, że jeśli X1,,Xn są zmiennymi losowymi ze wspólnym pdf g(x1,,xn) i jeśli Yi=ti(X1,,Xn) dla przekształceń jeden-do-jednego ti i i{1,,n} , a następnie PDF jest podane przez f ( y 1 , , y n ) = g ( t - 1 1 ( y ) , , t - 1 n ( y ) ) det ( J ) gdzie J jest jakobianem związanym z transformacją.Y1,,Yn

f(y1,,yn)=g(t11(y),,tn1(y))det(J)
J

Czy muszę po prostu użyć reguły transformacji do porównania

do l ( log ( Y ) ) = log ( n i = 1 ϕ ( log ( y i ) ; μ , Σ ) )

l(Y)=log(i=1nϕ(yi;μ,Σ))
l(log(Y))=log(ja=1nϕ(log(yja);μ,Σ))

czy jest coś jeszcze, co mogę zrobić?


[edytuj] Nie pamiętam umieszczać logarytmów w dwóch ostatnich wyrażeniach.

Stijn
źródło
Wydaje się, że w ostatnim wyrazie straciłeś jakobian.
whuber
2
loglogYY

Odpowiedzi:

6

YZ

Badacze powinni upewnić się, że wszystkie hipotezy są modelowane przy użyciu tej samej zmiennej odpowiedzi (np. Gdyby cały zestaw modeli był oparty na log (y), nie powstałby żaden problem; to mieszanie zmiennych odpowiedzi jest niepoprawne).

Nawiasem mówiąc, do korzystania z kryteriów AIC lub BIC, twoje modele nie muszą być koniecznie zagnieżdżone (ten sam odnośnik, strona 88, sekcja 2.12.4 Modele nienested), a właściwie to jedna z zalet korzystania z BIC.

Stat
źródło
5

losol{y(n)+1}losol{y(n)+1}n=1,2),...,N.

Akaike, H. 1978. „O prawdopodobieństwie modelu szeregów czasowych”, Journal of the Royal Statistics Society, Series D (The Statistician), 27 (3/4), s. 217–235.

Gord B.
źródło
1
czy zdarza się, że istnieje podejście w R, aby to zrobić?
theforestecologist