文档摘要

2.4 AIC 与 BIC 选模型 本节摘要：当多个 (p,q) 都过诊断，用信息准则在样本内平衡拟合与复杂度。AIC = -2 ln(L) + 2k，BIC = -2 ln(L) + ln(n) k。k 含 φ、θ 和常数等被估参数。值越小越好。BIC 对复杂度惩罚更重，大样本更爱简单模型。准则不能替代滚动预测误差。 本节导航 阅读完本节，你应当能够： 指出 AIC 与 BIC 的惩罚项差别，并说明何时我更信 BIC。 会员。《2.4 AIC与BIC选模型》收录于灏天文库文集《ARIMA 模型详解：经典时间序列预测方法》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/446-arima-%E6%A8%A1%E5%9E%8B%E8%AF%A6%E8%A7%A3%E7%BB%8F%E5%85%B8%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E9%A2%84%E6%B5%8B%E6%96%B9%E6%B3%95

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流