约瑟夫·卡瓦诺（Joseph E.Cavanaugh）。 基于Kullback对称发散的线性模型选择准则。 （英语） Zbl 1061.62004号 澳大利亚。N.Z.J.统计。 46，第257-274号（2004年）. 总结：模型选择标准通常通过构建差异度量的估计器来制定，以评估“真实”模型和拟合近似模型之间的差异。Akaike信息准则（AIC）及其变体是利用Kullback定向散度作为目标差异的结果。定向散度是两个统计模型之间的不对称分离度量，这意味着可以通过颠倒两个模型在度量定义中的作用来获得另一种定向散度。两个定向发散的和是Kullback的对称发散。在线性模型的框架内，对两种有向差异的比较揭示了衡量标准之间的重要区别。当用于评估不正确指定的拟合近似模型时，作为AIC基础的定向散度对检测过量模型更敏感，而其对应项对检测不足模型更敏感。由于对称散度将这两种度量中的信息结合在一起，因此它可以作为模型差异的量度，可以说它比其任何一个单独的分量都更平衡。基于这种动机，本文提出了一类新的基于对称发散的线性模型选择准则。该标准可被视为AIC及其两个变体的类似物：“校正”AIC或AICc和“修改”AIC or MAIC。本文在一项模拟研究中检验了新标准的选择趋势，结果表明，与AIC类似物相比，它们表现良好。 引用于1审查引用于20文件 MSC公司： 62B10型 信息理论主题的统计方面 62J05型 线性回归；混合模型 关键词：AIC公司；Akaike信息准则；\（I）-发散；\（J\）-散度；Kullback-Leibler信息；相对熵 PDF格式BibTeX公司 XML格式引用 \textit{J.E.Cavanaugh}，澳大利亚。N.Z.J.Stat.46，No.2，257--274（2004；Zbl 1061.62004） 全文： 内政部