极大似然估计的AIC BIC怎么计算

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

近来看了一些toolbox的代码，发现AIC BIC的计算在不同的toolbox计算不一样？
例如：MFE 中AICBIC函数是这么算的
aic = log(seregression^2) + 2*K/T;
sbic = log(seregression^2) + log(T)*K/T;
这跟教科书的定义是一致的

MS_Regress toolbox中则是这么算的
Spec_Output.AIC=2*numel(param)-2*Spec_Output.LL;
Spec_Output.BIC=-2*Spec_Output.LL+numel(param)*log(Spec_Output.nObs*nEq);


output.LL是Log L的值
这两种算法的结果似乎差别很大
ARMA和MS_regime都是用MLE估计的，为什么会有这样的差别？该以哪个为准？请高手解答？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：极大似然估计 似然估计 极大似然 AIC BIC 教科书

等待最佳答案。。。

为什么没人回答

应该是一致的。
MS_regress 这个工具箱的参数传递比较复杂。
虽然对于编写这个程序的作者来说，在后续的持续修改方面会很方便。
不过对于阅读它代码参数传递的其他人，确实的不够清晰明了。

前不久做MS模型时，也参阅它的代码，发现一些函数的调用和现在MATLAB官方推荐的是很不一致的。也就是说如果你有一个好的编程序的习惯后，发现阅读后者的程序调用，会有点吃力。

你只是对这个参数的含义不太理解，我想这里的AIC和BIC其实还是一样的。

tulipsliu 发表于 2011-9-19 08:48
应该是一致的。
MS_regress 这个工具箱的参数传递比较复杂。
虽然对于编写这个程序的作者来说，在后续的持 ...

MS_regress这个工具箱的调用确实不好理解，例如S{ieq}(end),这样是不是S是一个cell，cell里面的元素是向量，否则怎么可以这么调用？

kerrydu 发表于 2011-9-19 14:54
MS_regress这个工具箱的调用确实不好理解，例如S{ieq}(end),这样是不是S是一个cell，cell里面的元素是向量 ...

应该是吧。
你打开它的主要估计程序，有VAR的，也有一般的MS估计主程序。开始的几句就是没参数的程序调用。也没返回值。
那个看起来才叫郁闷。
其中初始化的几个，主要是构建一些结构，然后后续调用好使用。
不过这样做，给其他阅读程序的人造成不必要的麻烦，是很郁闷的。

这样说吧；
要们，他经典点，采用以前的面向过程的，大家都喜欢的 BASIC 的语法结构，规规矩矩的。
要们就采用现在MATLAB流行的面向对象的。比如现在很多工具箱的函数，都是面向对象的，
classdef 定义类。这样你就知道用面向对象的思路去阅读。

Perlin 是估计和我们玩玄虚。呵呵。

不知道你用MS_regress 做怎么，这个是可以做 Markov regime swithing 模型的，不过你别忘记Perlin的提醒，这个不适合GARCH类型的模型。
我看你提到你在用MFE 工具箱，这个不错哦，最新的2011版本，除了有GARCH，甚至是FIGARCH，还包含有RV高频禁摩程序。
MFE的作者是ENGEL 的弟子，keven。

：）