研究
如何使用 BIC（貝氏資訊準則）來估計模型 AR（自回歸）滯後？
在金融研究論文中，我多次看到 ARMA 模型中的滯後長度是使用 BIC 確定的。研究人員在考慮其他變數之前是否估計了滯後長度？
您會比較僅因變數及其滯後的 BIC 值，還是將完整模型的 BIC 與其他外生變數進行比較。
我應該使用方法1）
BIC1 Y(t) = c + Y(t-1)
BIC2 Y(t) = c + Y(t-1) + Y(t-2)
…
還是我應該使用方法2）
BIC1 Y(t) = c + Y(t-1) + x1 + x2 + x3
BIC2 Y(t) = c + Y(t-1) + Y(t-2) + x1 + x2 + x3
…
通常取決於您需要比較的型號；無論如何，如果我理解你的問題，你必須估計模型 (2)，在這種情況下，只比較模型 (2) 的貝氏資訊標準很方便，因為它正是你想要執行的結果.
話雖如此，我建議您查看文獻中存在的不同標準（AIC，BIC，DIC，FIC，R2，…），以便能夠選擇更適合您需求的標準。
例如，以我的拙見，使用 BIC 並不方便，因為它既不是很好的 Kullback-Leibler 散度估計量（它所基於），也不是如Burnham & Anderson 所建議的那樣具有漸近效率（ 2002）。
我建議您使用 AIC 代替 BIC，至少從理論角度來看它更精確。
當然，選擇統計分數最低的模型（在這兩種情況下）。