The Schwarz (1978) information crit

Schwarz（1978）信息标准SIC是模型选择中一种广泛使用的工具，这主要是由于它的计算简单性和在许多建模框架中的有效性能。SIC的推导（Schwarz，1978）建立了作为候选模型贝叶斯后验概率变换的渐近近似的准则。在本文中，我们研究了识别术语的推导，这些术语被渐近忽略不计，但在中小样本规模的应用中可能很重要。根据这些术语的包含，我们建议了几种SIC变体。仿真研究的结果表明，在两个重要的应用领域中，这些变体会提高SIC的性能：多元线性回归和时间序列分析。

Schwarz （1978） 信息标准 SIC 是模型设计中广泛使用的工具，这主要是因为其计算简单性，在许多建模框架中具有有效的性能。SIC（Schwarz，1978 年）的推导将 crite-rion 确立为与候选模型的贝叶斯后概率转换的无症状近似值。本文对被丢弃为无症状可忽略不计的术语的识别方法进行了调查推导，这些术语在小到中等样本大小的应用中可能非常重要。我们建议基于这些术语的包含几个 SIC 变体。模拟研究结果表明，该变型在两个重要应用领域：多线性回归和时间序列分析，提高了SIC的性能。

The Schwarz (1978) information criterion, SIC, is a widely-used tool in model selec- tion, largely due to its computational simplicity and effective performance in many modeling frameworks. The derivation of SIC (Schwarz, 1978) establishes the crite- rion as an asymptotic approximation to a transformation of the Bayesian posterior probability of a candidate model. In this paper, we investigate the derivation for the identification of terms which are discarded as being asymptotically negligible, but which may be significant in small to moderate sample-size applications. We suggest several SIC variants based on the inclusion of these terms. The results of a simu- lation study show that the variants improve upon the performance of SIC in two important areas of application: multiple linear regression and time series analysis.<br>