AIC signifie Akaike Information Criterion, qui est une technique utilisée pour sélectionner le meilleur modèle dans une classe de modèles en utilisant une probabilité pénalisée. Un AIC plus petit implique un meilleur modèle.
Je comprends donc que la sélection des variables fait partie de la sélection du modèle. Mais en quoi consiste exactement la sélection du modèle? Est-ce plus que ce qui suit: 1) choisissez une distribution pour votre modèle 2) choisir des variables explicatives,? Je pose cette question parce que je lis …
À partir de Wikipedia, il existe une définition du critère d'information d'Akaike (AIC) comme , où est le nombre de paramètres et est la log-vraisemblance du modèle.k log LAIC=2k−2logLAIC=2k−2logL AIC = 2k -2 \log L kkklogLlogL\log L Cependant, notre économétrie note dans une université bien respectée que . Ici est …
J'ai un très grand ensemble de données et il manque environ 5% de valeurs aléatoires. Ces variables sont corrélées entre elles. L'exemple de jeu de données R suivant n'est qu'un exemple de jouet avec des données corrélées factices. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = …
J'ai un ensemble de données de série chronologique auquel j'essaie d'adapter un modèle de Markov caché (HMM) afin d'estimer le nombre d'états latents dans les données. Mon pseudo-code pour ce faire est le suivant: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states ... optimal_number_of_states = …
Étant donné le même ensemble de covariables et de familles de distribution, comment comparer des modèles ayant différentes fonctions de liaison? Je pense que la bonne réponse ici est "AIC / BIC", mais je ne suis pas sûr à 100%. Est-il possible d'avoir des modèles imbriqués s'ils ont un lien …
L'AIC est défini comme , où est l'estimateur du maximum de vraisemblance et est la dimension de l'espace des paramètres. Pour l'estimation de , on néglige généralement le facteur constant de la densité. Il s'agit du facteur qui ne dépend pas des paramètres, afin de simplifier la probabilité. D'un autre …
L'intérêt de l'AIC ou de tout autre critère d'information est que moins c'est mieux. Donc, si j'ai deux modèles M1: y = a0 + XA + e et M2: y = b0 + ZB + u, et si l'AIC du premier (A1) est inférieur à celui du second (A2), alors …
Il est bien établi, au moins chez les statisticiens d'un calibre supérieur, que les modèles dont les valeurs de la statistique AIC se situent dans un certain seuil de la valeur minimale doivent être considérés comme appropriés comme modèle minimisant la statistique AIC. Par exemple, dans [1, p.221], nous trouvons …
La documentation R pour l'un ou l'autre n'apporte pas beaucoup de lumière. Tout ce que je peux obtenir de ce lien est que l'utilisation de l'un ou l'autre devrait être correcte. Ce que je ne comprends pas, c'est pourquoi ils ne sont pas égaux. Réalité: La fonction de régression pas …
Chris Chatfield, dont j'ai apprécié la lecture de nombreux livres et articles de qualité, dans (1) donne les conseils suivants: Par exemple, le choix entre les modèles de séries chronologiques ARIMA avec des valeurs AIC faibles et approximativement égales devrait probablement être fait, non pas sur celui qui donne l'AIC …
Je veux comparer des données qui se répartissent entre trois groupes différents, par exemple: ID Group Prop.Nitrogen 1 A 0.89 2 A 0.85 3 B 0.92 4 B 0.97 Après Wharton et Hui (doi: 10.1890 / 10-0340.1 1 ) je pensais que je verrais si ces données seraient mieux traitées …
J'ai récemment ajusté 4 modèles de régression multiple pour les mêmes données de prédicteur / réponse. Deux des modèles que je correspond à la régression de Poisson. model.pois <- glm(Response ~ P1 + P2 +...+ P5, family=poisson(), ...) model.pois.inter <- glm(Response ~ (P1 + P2 +...+ P5)^2, family=poisson(), ...) Deux …
La page Wikipedia indique que Box-Jenkins est une méthode d'ajustement d'un modèle ARIMA à une série chronologique. Maintenant, si je veux adapter un modèle ARIMA à une série chronologique, je vais ouvrir SAS, appeler proc ARIMA, fournir les paramètres et SAS me donnera les coefficients AR et MA. Maintenant, je …
Je ne connais pas très bien cette littérature, alors pardonnez-moi s'il s'agit d'une question évidente. Étant donné que l'AIC et le BIC dépendent de la maximisation de la probabilité, il semble qu'ils ne peuvent être utilisés que pour effectuer des comparaisons relatives entre un ensemble de modèles tentant de s'adapter …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.