Чи можна рекомендувати книгу Бернхема-Андерсона про багатомодельний висновок?

Як мотивована нещодавньою зміною статистики вибору моделі за замовчуванням у пакеті прогнозу R з AIC на AICc, мені цікаво, чи останній дійсно застосуємо там, де є перша. У мене є низка запитань з цього приводу, і ось перше.

Я знаю, що замінювати AIC на AICc скрізь - це те, що рекомендує відома книга (1) Бернхема та Андерсона (нестатистики), як узагальнено тут . Книга іноді некритично посилається на молодих статистиків, див., Наприклад, коментарі до цього блогу Роб Хайндман , але статистик Брайан Ріплі радив радикально по-іншому:

“Burnham and Anderson (2002) is a book I would recommend people NOT read until 
they have read the primary literature. I see no evidence that the authors have 
actually read Akaike’s papers." [quoted from [AIC MYTHS AND MISUNDERSTANDINGS][4] by
Burnham-Anderson]

Це випливає з того, що пише Ріплі в АПК та пов'язаній з ним теорії, що попередження слід сприймати серйозно. У мене є гарна колекція власних робіт Akaike і книги Бернхема-Андерсона. Зрештою, я матиму свою власну думку щодо якості книги, але це також допоможе дізнатися, що на це думає громада статистиків, як молодих, так і старих. Зокрема, чи є професори статистики (або інші хороші студенти статистики), які прямо рекомендували книгу як корисний підсумок знань щодо використання AIC для вибору моделі?

Довідка:

(1) Бернхем, К.П. та Андерсон, ДР Вибір моделі та мультимодельний висновок: практичний інформаційно-теоретичний підхід Springer, 2002

PS. У відповідь на нещодавню "відповідь", вказуючи, що "доктор Бернхем є доктором статистики", я хотів би додати це роз'яснення. Так, сам по собі він є статистиком, стипендіатом ASA та лауреатом численних професійних нагород, у тому числі медалі "За заслужені заслуги" від ASA. Але хто каже, що його немає? Все, що я говорив вище, - це те, що як пара авторів вони не є статистиками, і книга відображає цей факт.

ОП, схоже, шукає якісного опитування високоякісних статистиків, щоб допомогти оцінити, чи є одна конкретна книга високої якості, особливо щодо АПК проти дебатів про АПК. Цей сайт не особливо орієнтований на систематичні опитування. Натомість я спробую безпосередньо вирішити основне питання.

І AIC, і AICc обидва оцінюють моделі відповідно до евристичного компромісу між підходом моделі (з точки зору ймовірності) та надмірним вмістом (за кількістю параметрів). У цьому компромісі AICc дає дещо більший штраф за кількістю параметрів. Таким чином, AICc завжди рекомендує на користь моделей, складність яких менша або рівна складності найкращої моделі AIC. У цьому сенсі відносини між ними дуже прості, незважаючи на жахливо складні аргументи, що лежать в основі їх виведення.

AIC та AICc є лише двома з великого поля критеріїв інформації про кандидатів, з BIC та DIC є, можливо, провідними альтернативами. BIC набагато консервативніший (покарання великої кількості параметрів моделі), ніж будь-який AIC або AICc у більшості випадків. Питання про те, який критерій є найкращим, справді є специфічним для проблеми. Можна було б законно віддати перевагу надзвичайно консервативному критерію у випадках, коли потрібен надійний позапробний прогноз.

FWIW, я виявив, що рівень консерватизму AICc є переважно кращим порівняно з AIC в широких симуляційних дослідженнях щодо помилки прогнозування в моделях захоплення-відтворення.