AIC pour les modèles non imbriqués: constante de normalisation

L'AIC est défini comme , où est l'estimateur du maximum de vraisemblance et est la dimension de l'espace des paramètres. Pour l'estimation de , on néglige généralement le facteur constant de la densité. Il s'agit du facteur qui ne dépend pas des paramètres, afin de simplifier la probabilité. D'un autre côté, ce facteur est très important pour le calcul de l'AIC, étant donné que lors de la comparaison de modèles non imbriqués, ce facteur n'est pas commun et l'ordre des AIC correspondants peut être différent s'il n'est pas pris en compte. $AIC=-2 \log(L(\hat\theta))+2p$ $\hat\theta$ $p$ $\theta$

Ma question est , devons-nous calculer incluant tous les termes de la densité lors de la comparaison de modèles non imbriqués? $\log(L(\hat\theta))$

model-selection aic nested-models

— Kawabata
source

Je pense que je comprends mal quelque chose. Où vous dites "Pour l'estimation de ", vouliez-vous dire " "?

θ

$\theta$

L (\hat{θ})

$L(\hat\theta)$

— David J. Harris

Étant donné que c'est la différence de log-vraisemblance qui importe, les termes communs ne sont pas pertinents, tandis que tous les autres auront de l'importance.

— Glen_b -Reinstate Monica

Lorsque la «constante» de normalisation diffère d'un modèle à l'autre, ces termes devraient être inclus.

— Glen_b -Reinstate Monica
source

Oui, c'est ce que je pense aussi. Connaissez-vous des références à ce sujet?

— Kawabata