Question

我正在尝试了解MSwM软件包的一些功能，所以我可以在我正在撰写的论文中使用它。在复制作者提供的示例时，我有两件事我没有得到。第一个与包中使用的摘要方法有关：为什么logLikel在我拨打mod.mswm@Fit@logLikel时为正数而在拨打summary(mod.mswm)时为负数？是否可以直接从摘要对象获取logLik（而不是logLikel），AIC和BIC？

第二个与AIC和BIC信息标准有关。该软件包的文档说，为了获得这些值，我们应该使用AIC函数，为k选择合适的值来获得AIC或BIC。所以对于AIC，k应该是2，对于BIC，我认为它应该是log(length(y))，其中y是我的单变量时间序列。问题在于，当我执行此过程时，我获得的AIC和BIC的值与summary中的值不同。这是为什么？我错过了什么？

这是我正在使用的代码：

library(MSwM)
data(example)
mod=lm(y~x,example)
mod.mswm=msmFit(mod,k=2,p=1,sw=c(T,T,T,T),control=list(parallel=F))
summary(mod.mswm)

结果的第一行是：

Markov Switching Model

Call: msmFit(object = mod, k = 2, sw = c(T, T, T, T), p = 1, control = list(parallel = F))

       AIC     BIC    logLik
  637.0736 693.479 -312.5368

但是，如果我尝试使用函数或手动计算AIC和BIC，我会得到不同的结果：

#Akaike
AIC(mod.mswm,k=2) #using function. Result:641.0736
8*2-((-1)*2*mod.mswm@Fit@logLikel)#by hand. Result:641.0736

#Bayesian
AIC(mod.mswm,k=log(length(example$y))) #using function. Result: 670.7039
8*log(length(example$y))-((-1)*2*mod.mswm@Fit@logLikel) #by hand. Result: 670.7039

非常感谢你！

Answer 1

我遇到了同样的问题。我无法解释，为什么开发人员会选择略有不同的公式，但我可以告诉你，使用了哪一个。

public class Pojo {
      private Map<String, String> stringStringMap;

      ...

}

我在互联网上的源代码中找到了这个代码段。如您所见，结果是一样的。

所以我提取了以下公式：

＆＃39;＃＆＃39;：= 数量......

AIC = 2 * LogLikelihood + 2 *（＃parameter包括常数）*（#regimes）

BIC = 2 * LogLikelihood + 2 *（#parameters incl.constant）*（#regimes）* ln（#observations）

最诚挚的问候。

Markov Switching MSwM封装中的AIC和BIC

1 个答案: