Estou fazendo algumas previsões em R usando o pacote de previsões de Rob Hyndman . O documento pertencente à embalagem pode ser encontrado aqui .
No artigo, depois de explicar os algoritmos de previsão automática, os autores implementam os algoritmos no mesmo conjunto de dados. No entanto, depois de estimar um modelo de suavização exponencial e ARIMA, eles fazem uma declaração que eu não entendo (na página 17):
Observe que os critérios de informação não são comparáveis.
Eu pensei que uma vantagem de usar o AIC para a seleção de modelos é que podemos comparar valores de AIC de modelos diferentes, desde que sejam estimados usando o mesmo conjunto de dados. Isso está incorreto?
Esse assunto é de particular interesse para mim, pois eu estava planejando combinar previsões de diferentes classes de modelos (por exemplo, suavização exponencial e ARIMA) usando os chamados pesos de Akaike (veja Burnham e Anderson, 2002, para discussão sobre pesos de Akaike)
Referências
- Burnham, KP e Anderson, DR (2002). Seleção de modelos e inferência multi-modelo: uma abordagem prática da teoria da informação. Springer Verlag.