دانلود مقالات ISI درباره معیار اطلاعاتی آکائیک + ترجمه فارسی

معیار اطلاعاتی آکائیک Akaike information criterion به اختصار AIC معیاری برای سنجش نیکویی برازش است. این معیار بر اساس مفهوم آنتروپی بنا شده است و نشان می‌دهد که استفاده از یک مدل آماری به چه میزان باعث از دست رفتن اطلاعات می‌شود. به عبارت دیگر، این معیار تعادلی میان دقت مدل و پیچیدگی آن برقرار می‌کند. این معیار توسط هیروتسوگو آکائیک برای انتخاب بهترین مدل آماری پیشنهاد شد. معیار اطلاعاتی آکاییک به طور گسترده ای برای انتخاب مدل به کار گرفته می شود، اما مقدار عددی آن تفسیر دقیقی ندارد. آزمون کاکس که تعمیمی از آزمون نسبت درستنمایی است برای انتخاب مدل از بین مدل های غیر آشیانی است یکی از معدود آزمون هابرای آزمون فرضیه های غیر آشیانی است. هنگامی که مدل درست داده ها مجهول است، براساس ملاک اطلاع آکائیک یکی از مدل های رقیب انتخاب می شود. اما با قاطعیت نمی توان گفت که مدل انتخاب شده به وسله این ملاک تا چه اندازه برآورد مناسبی برای مدل درست است. زیرا مشخص نیست که مدل خوب -توصیف شده یا بد توصیف- شده است. با توجه به داده‌ها، چند مدل رقیب ممکن است با توجه به مقدار AIC رتبه بندی شوند و مدل دارای کمترین AIC بهترین است. از مقدار AIC می‌توان استنباط نمود که به عنوان مثال سه مدل بهتر وضعیت نسبتاً یکسانی دارند و بقیه مدل‌ها به مراتب بدتر هستند، اما معیاری برای انتخاب مقدار آستانه‌ای برای AIC که بتوان مدلی را به واسطه داشتن AIC بزرگتر از این مقدار رد کرد وجود ندارد.