p。彼のPRNNブライアンリプリーの34人は、「AICは赤池（1974）によって「情報基準」と命名されましたが、Aは赤池を表すと一般に信じられているようです」とコメントしています。実際、AIC統計を導入する際、赤池（1974、p.719）は次のように説明しています。
"IC stands for information criterion and A is added so that similar statistics, BIC, DIC
etc may follow".
この引用を1974年の予測として考えると、赤池（1977、1978）とシュワルツ（1978）によって、わずか4年で2種類のBIC統計（ベイジアンIC）が提案されたことに注目することは興味深いです。Spiegelhalterらがかかった。（2002）DIC（Deviance IC）を思い付くまでにはるかに長い。CIC基準の出現は赤池（1974年）によって予測されていませんでしたが、それが決して考慮されなかったと信じることは単純です。2005年にCarlos C. Rodriguezによって提案されました（R. TibshiraniとK. KnightのCIC（共分散インフレーション基準）は異なることに注意してください）。
EIC（経験的IC）が2003年頃にモナッシュ大学の人々によって提案されたことを知っていました。私は、Focused Information Criterion（FIC）を発見しました。一部の書籍では、HannanおよびQuinn ICをHICと呼んでいます。たとえば、これを参照してください）。GIC（Generalized IC）が必要であることは知っていますが、情報投資基準（IIC）を発見しました。NIC、TICなどがあります。
私はおそらくアルファベットの残りをカバーできると思うので、AIC、BIC、CIC、DIC、EIC、FIC、GIC、HIC、IIC、...のシーケンスがどこで停止するか、アルファベットの文字が何であるかを尋ねていません使用されていないか、少なくとも2回使用されていない（たとえば、EICのEは、ExtendedまたはEmpiricalを表します）。私の質問はもっと簡単で、もっと実用的になることを願っています。これらの統計を相互に交換して使用し、それらが導き出された特定の仮定、それらが適用されるはずの特定の状況などを無視できますか？
この質問の一部は、Burnham＆Anderson（2001）が次のように書いていることによるものです。
...the comparison of AIC and BIC model selection ought to be based on their performance
properties such as mean square error for parameter estimation (includes prediction) and
confidence interval coverage: tapering effects or not, goodness-of-fit issues,
derivation of theory is irrelevant as it can be frequentist or Bayes.
Hyndmanらの指数平滑化に関するモノグラフの第7章は、5つの代替IC（AIC、BIC、AICc、HQIC、LEIC）が最適に予測されるモデルを選択する際にどの程度うまく機能するかを調べたときに、BAのアドバイスに従っているようです（測定値として）新しく提案されたMASEと呼ばれる誤差測定）により、AICがより頻繁に優れた代替手段であると結論付けました。（HQICは最高のモデルセレクターとして一度だけ報告されました。）
すべてのICcが暗黙の同等の一連の仮定の下で1つの同じ質問に答えるために導き出されたものとして暗黙のうちに扱う研究演習の有用な目的が何かわかりません。特に、非定常の指数関数のコンテキストでそれを使用することにより、自己回帰の順序を決定するための一貫した基準（エルゴディック定常シーケンスに対して派生したもの）の予測性能を調査することがどのように役立つかわかりません。 Hyndman等によるモノグラフで記述および分析された平滑化モデル。ここに何かが足りませんか？
参照：
赤池、H。（1974）、統計モデル識別の新しい外観、自動制御に関するIEEEトランザクション 19（6）、716-723。
赤池、H。（1977）、エントロピー最大化原理について、PRクリシュナイア編、統計の応用、Vol。27、アムステルダム：北ホラント、pp。27-41。
赤池H.（1978）、最小AIC手順のベイズ分析、統計数学研究所年報 30（1）、9-14。
Burnham、KP＆Anderson、DR（2001）生態学的研究における強力な推論の基礎としてのカルバック・ライブラー情報、Wildlife Research 28、111-119
Hyndman、RJ、Koehler、AB、Ord、JK＆Snyder、RD 指数平滑法による予測：状態空間アプローチ。ニューヨーク：スプリンガー、2008
リプリー、BD パターン認識およびニューラルネットワーク。ケンブリッジ：ケンブリッジ大学出版局、1996
Schwarz、G.（1978）、モデルの次元の推定、Annals of Statistics 6（2）、461-464。
Spiegelhalter、DJ、Best、NG、Carlin、BPおよびvan der Linde、A。（2002）、モデルの複雑性とtのベイジアン測定（議論あり）、Journal of the Royal Statistical Society。シリーズB（統計手法） 64（4）、583-639。