En estadística, el criterio de información de Hannan-Quinn (HQC) es un criterio para la selección del modelo.[1] Es una alternativa al Criterio de Información de Akaike (AIC) y el criterio de información bayesiano (BIC). Se administra en forma:
![{\displaystyle \mathrm {HQC} =n\log \left({\mathrm {RSS} \over n}\right)+2k\log \log n,\ }](https://wikimedia.org/api/rest_v1/media/math/render/svg/cd58a7b0a3d9437d12aa1fdaeb340b5433401e3f)
donde k es el número de parámetros, n es el número de observaciones, y RSS es la suma residual de cuadrados que resulta de una regresión lineal u otro modelo estadístico.
Burnham y Anderson (2002) dicen que HQC ", mientras que cita a menudo, parece haber visto poco uso en la práctica" (p. 287).[2] También señalan que el HQC, tanto como BIC, pero a diferencia de AIC, no es un estimador de una Divergencia de Kullback-Leibler. Claeskens y Hjort (2008) señalan que HQC, como BIC, pero a diferencia de AIC, no es asintóticamente eficiente (Capítulo 4), y señalan, además, que el método que se está utilizando para afinar el criterio será más importante en la práctica que el log n log plazo, ya que esta última cifra es pequeña incluso para muy grandes de n.[3]
Referencias
- ↑ Sin, C. Y., & White, H. (1996). Information criteria for selecting possibly misspecified parametric models. Journal of Econometrics, 71(1), 207-225.
- ↑ Burnham, K.P. and Anderson, D.R. (2002). Model Selection and Multimodel Inference: A Practical Information-Theoretic Approach, 2nd ed. Springer-Verlag. ISBN 0-387-95364-7.
- ↑ Aznar Grasa, A. (1989). Econometric Model Selection: A New Approach, Springer. ISBN 978-0-7923-0321-3