pas convaincant ... les contraintes techniques, c'est justement la partie qui pose problème! pour chacun de tes AICs, tes valeurs de vraisemblance ne seront pas issues de la même distrib. Alors comment les comparer?
Dans le cadre de la théorie de Kullback-Leibler on ne compare pas réellement les vraisemblance. Le résultat d'Akaike est justement de démontrer que la log-vraisemblance peut servir d'estimateur (au biais du nombre de paramètre près) de la distance relative de Kulback. Le terme relatif est ici le terme important. Après, tout comme Max, je ne vais pas m'amuser à refaire la démonstration de Burnham sur le fait que l'estimation faite ne dépend que des données et pas de la fonction de vraisemblance (à partir du moment où on est en relatif). Pour en avoir discuté avec David Anderson, je prend ça comme un résultat acquis et appuyé.
Dans les discussions que tu donnes en lien, il y a quelques incohérences (le "true model", le "nested model"...) largement expliquées dans Burnham & Anderson 2002 ou encore Anderson 2008 et quelques papiers entre temps. ça indique au moins que le sujet fait débat
Mais si tu as des éléments là dessus ça m'intéresse bien sûr :). Ceci étant dit le classement pas AIC ne peut donner qu'un poids relatif des modèles les uns par rapport aux autres. Il n'épargne pas de regarder la qualité d'ajustement des modèles.
Nicolas
PS : on est total HS !!! On va se faire jeter ! :P