Criterio de información de Hannan-Quinn

De Wikipedia, la enciclopedia libre
Saltar a: navegación, búsqueda

En estadística, el criterio de información de Hannan-Quinn (HQC) es un criterio para la selección del modelo.[1] Es una alternativa al Criterio de Información de Akaike (AIC) y el criterio de información bayesiano (BIC). Se administra en forma:

 \mathrm{HQC} = n \log \left( {\mathrm{RSS} \over n } \right) + 2 k \log \log n, \

donde k es el número de parámetros, n es el número de observaciones, y RSS es la suma residual de cuadrados que resulta de una regresión lineal u otro modelo estadístico.

Burnham y Anderson (2002) dicen que HQC ", mientras que cita a menudo, parece haber visto poco uso en la práctica" (p. 287).[2] También señalan que el HQC, tanto como BIC, pero a diferencia de AIC, no es un estimador de una Divergencia de Kullback-Leibler. Claeskens y Hjort (2008) señalan que HQC, como BIC, pero a diferencia de AIC, no es asintóticamente eficiente (Capítulo 4), y señalan, además, que el método que se está utilizando para afinar el criterio será más importante en la práctica que el log n log plazo, ya que esta última cifra es pequeña incluso para muy grandes de n.[3]

Referencias[editar]

  1. Sin, C. Y., & White, H. (1996). Information criteria for selecting possibly misspecified parametric models. Journal of Econometrics, 71(1), 207-225.
  2. Burnham, K.P. and Anderson, D.R. (2002). Model Selection and Multimodel Inference: A Practical Information-Theoretic Approach, 2nd ed. Springer-Verlag. ISBN 0-387-95364-7.
  3. Aznar Grasa, A. (1989). Econometric Model Selection: A New Approach, Springer. ISBN 978-0-7923-0321-3