عبدالرضا سیاره - Departement of Statistics, Razi University, Kermanshah, Iran.
رئوف عبیدی - Azad University of Ahvaz, Ahvaz, Iran.

ملاک اطلاع آکاییک به طور گسترده ای برای انتخاب مدل به کار گرفته می شود، اما مقدار عددی آن تفسیر دقیقی ندارد. آزمون کاکس که تعمیمی از آزمون نسبت درستنمایی است برای انتخاب مدل از بین مدل های غیر آشیانی است یکی از معدود آزمون هابرای آزمون فرضیه های غیر آشیانی است. هنگامی که مدل درست دا ه ها مجهول است ، براساس ملاک اطلاع آکائیک یکی از مدل های رقیب انتخاب می شود. اما با قاطغیت نمی توان گفت که مدل انتخاب شده به وسله این ملاک تا چه اندازه برآورد مناسبی برای مدل درست است. زیرا مشخص نیست که مدل خوب -توصیف شده یا بد توصیف- شده است. در این مقاله ملاک اطلاع آکائیک وآزمون فرضیه کاکس و توانایی آن ها در ممیزی بین مدل ها مورد بررسی قرارگرفته است و به دکمک شبیه سازی به بررسی این موضوع پرداخته می شود که اگر براساس ملاک آکائیک، مدلی را به عنوان برآورد مدل درست بپذیریم آیا آزمون کاکس قدرت تشخیص مدل بهتر را دارد؟ همچنین به موضوع تعیین یک مجموعه از مدل های رقیب پرداخته و روشی برای انتخاب این مجموعه پیشنهاد می شود.

Akaike Information Criterion, Cox's Test, Kullback-Leibler Criterion, Model Selection, Non-nested Models., آزمون کاکس, مدل های غیر آشیانی, ملاک اطلاع آکائیک, ملاک کولبک- لیب لر