Asymptotic properties of some information criteria for model selectin

2019 Fiscal Year Final Research Report

• Project/Area Number: 17K00042
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Research Field: Statistical science
• Research Institution: Otaru University of Commerce
• Principal Investigator: Ogasawara Haruhiko 小樽商科大学, その他部局等, 客員研究員 (70271731)
• Project Period (FY): 2017-04-01 – 2020-03-31
• Keywords: モデル選択 / 情報量規準 / 漸近キュミュラント / 漸近バイアス / MallowsのCp / 漸近平均自乗誤差 / 漸近期待予測対数尤度

Outline of Final Research Achievements

We have various information criteria for statistical model selection in the social and natural sciences. One of the well-known information criteria is the Akaike information criterion (AIC). The research area of information criteria is one of those to which Japanese researchers have much contributed. Using the mathematical properties based on asymptotic theory, which holds when the sample size becomes large, the asymptotic properties of information criteria including the AIC were derived. By these properties, the information criteria can be improved.

Free Research Field

統計科学

Academic Significance and Societal Importance of the Research Achievements

各種の情報量規準は統計的モデルの計量的な選択基準として有用であるが、その有用性はデータにおける情報量が現実には限られたものであるために確率的なものとしてのみ示される。すなわち、真のモデルが存在する場合でも類似のモデルが併存すれば正しいモデルを常に選択するとは限らない。しかし、情報量規準の性質を数学的な漸近理論を用いることにより明らかにすることで、正しいモデルをより多く確率的に選択するように改良することが可能であり、自然や社会現象の適切な理解と予測等に役立てることができる。