Generalised information criteria in model selection
模型选择中的广义信息准则AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用模型评价与信息准则，未明确对应所列经济计量领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
模型选择中的广义信息准则
- 研究问题
- 当候选概率分布族不包含真实数据分布，且模型由不同估计程序得到时，如何从信息论角度评价模型质量？
- 方法与思路
- 作者提出适用于模型误设的信息准则，涵盖极大似然、稳健、惩罚似然与贝叶斯估计，并讨论自助法评价。
- 材料陈述的贡献
- 摘要称提供跨估计程序的模型评价准则，同时提出自助法模拟的方差缩减技术；未报告具体改进幅度。
- 阅读关注点
- 应核对信息论评价目标、误设下的校正项及各估计程序的适用条件，并查看自助法方差缩减的实现与代价。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；准则公式、正则条件及选择性质未说明，不能推断刊本变化。
原文摘要
The problem of evaluating the goodness of statistical models is investigated from an information-theoretic point of view. Information criteria are proposed for evaluating models constructed by various estimation procedures when the specified family of probability distributions does not contain the distribution generating the data. The proposed criteria are applied to the evaluation of models estimated by maximum likelihood, robust, penalised likelihood, Bayes procedures, etc. We also discuss the use of the bootstrap in model evaluation problems and present a variance reduction technique in the bootstrap simulation.