Me preguntaba si puedo usar de Akaike o Schwarz criterio, incluso cuando los residuos que tengo de modelo a la hora de ejecutar la regresión no son normales. Es allí cualquier supuesto de normalidad con estos criterios o puedo usarlos todo el tiempo, independientemente?
Respuestas
¿Demasiados anuncios?
Usamos el de Akaike o los criterios de información de Schwarz para comparar un conjunto de "Modelos Candidatos". Los candidatos significa que usted ya ha equipado sus modelos de regresión y se realizó el modelo de adecuación de cheques, incluyendo el supuesto de normalidad de los residuos. Usted simplemente no están seguros sobre el equilibrio entre el número de parámetros que se utilizan para ajustar el modelo y la cercanía de la fit. Aunque usted no puede ver un directo de normalidad de la asunción, en las definiciones de AIC o BIC criterios, pero (como yo) lo que usted necesita para comprobar el supuesto de normalidad antes de comparar los modelos. Por supuesto, usted todavía puede aplicar estos criterios, incluso para los no-normalidad de los errores. Pero lo significativo sería que el modelo final, será bajo un gran signo de interrogación. También puede echar un vistazo a esta pregunta.
Richard Hardy
Puntos
6099
AIC y BIC ambos tienen consisten de dos elementos: la probabilidad y la pena por el número de parámetros. La probabilidad no necesitan ser normal de probabilidad, puede ser todo lo que encuentre razonable.
Sin embargo, si se asume que la probabilidad de ser normal (y la uso en la AIC o BIC), usted necesita normal de los residuos, también. En otras palabras, la distribución de residuos que ha de coincidir con la distribución de la asunción se utiliza para calcular la probabilidad de la AIC o BIC.
