目录

1. 引言

对于参数估计问题，学者在研究时多选择将似然函数作为目标函数，即通过使似然函数最大化实现模型拟合最优。但是模型拟合精度最高并不意味着所选择的模型为最优模型。例如，较多的训练集可以提高模型精度，但随之而来的问题是模型变得更加复杂，甚至导致过度拟合。此时，我们需要借助能够平衡模型精度和复杂度的准则来进行判断。

本文主要介绍在最优模型选择时常用的 AIC 准则和 BIC 准则，以及 Stata 相关命令 aic_model_selection 和 stepwise。