偏差信息量准则

偏差信息量准则(英語:deviance information criterion,DIC)是等级模型化的赤池信息量准则(AIC),被广泛应用于由马尔可夫链蒙特卡洛(MCMC)模拟出的后验分布贝叶斯模型选择问题。和赤池信息量准则一样,偏差信息量准则是随样本容量增加的渐近近似,只应用于后验分布多元正态分布的情况。


定义

编辑

定义偏差(deviance)为  ,其中   为数据,  是模型中的未知参量, 似然函数  是常量。

有两种计算模型参数的有效数量  的方法。一种是  ,其中   期望(Spiegelhalter et al. 2002,第587頁)。 第二种是   (Gelman et al. 2004,第182頁)。 有效数量  越大,模型的参数就越多,模型就越容易拟合数据,但也需要更小的偏差。

偏差信息量准则   被定义为

 

或等效于

 

从第二种定义更能看出它和赤池信息量准则的联系。

应用

编辑

一般而言,偏差信息量准则   的值越小,模型越好。这一准则的优点是它很容易从马尔可夫链蒙特卡洛(MCMC)模拟产生的样本中计算出来。


参见

编辑

参考文献

编辑
  • Ando, T. (2010). Bayesian Model Selection and Statistical Modeling, CRC Press. Chapter 7.
  • Ando, Tomohiro. Predictive Bayesian Model Selection. American Journal of Mathematical and Management Sciences. 2011, 31 (1-2): 13–38. doi:10.1080/01966324.2011.10737798. 
  • Claeskens, G, and Hjort, N.L. (2008). Model Selection and Model Averaging, Cambridge. Section 3.5.
  • Spiegelhalter, David J.; Best, Nicola G.; Carlin, Bradley P.; van der Linde, Angelika. Bayesian measures of model complexity and fit (with discussion). Journal of the Royal Statistical Society, Series B. 2002, 64 (4): 583–639. JSTOR 3088806. MR 1979380. doi:10.1111/1467-9868.00353. 
  • Spiegelhalter, David J.; Best, Nicola G.; Carlin, Bradley P.; van der Linde, Angelika. The deviance information criterion: 12 years on (with discussion). Journal of the Royal Statistical Society, Series B. 2014, 76 (3): 485–493. 

外部链接

编辑