Szukam przykładów, jak interpretować szacunki AIC (kryterium informacji Akaike) i BIC (kryterium informacji bayesowskiej).
Czy ujemną różnicę między kodami BIC można interpretować jako późniejsze szanse jednego modelu na drugi? Jak mogę to wyrazić słowami? Na przykład BIC = -2 może sugerować, że szanse lepszego modelu na drugi model wynoszą w przybliżeniu ?
Neofita docenia wszelkie podstawowe porady.
interpretation
aic
bic
Juan
źródło
źródło
Odpowiedzi:
dla wzoru I oa priorimożna model przedstawiony jest recaled do hemibursztynianu I = A I C I - m i n I C , gdzie najlepszym modelem zestawu model będzie miał Æ = 0 . Możemy użyć wartoścido oszacowania siły dowodów () dla wszystkich modeli w zestawie modeli, gdzie: Jest to często określane jako „ciężar dowodu” dla modeluAIC i Δi=AICi−minAIC Δ=0 w i w i = e ( - 0,5 Δ i )Δi wi ihemibursztynianuIWIIWıııjwagI/WJwI=0,8wagowoj=0,1ıj
Uwaga: gdy model 1 jest najlepszym modelem (najmniejszy ). Burnham i Anderson (2002) określają to jako współczynnik dowodów. Ta tabela pokazuje, jak zmienia się współczynnik dowodów w odniesieniu do najlepszego modelu.w1/ w2)= e0,5 Δ2) Ido
Odniesienie
Burnham, KP i DR Anderson. 2002. Wybór modelu i wnioskowanie wielomodelowe: praktyczne podejście teoretyczno-informacyjne. Druga edycja. Springer, Nowy Jork, USA.
Anderson, DR 2008. Wnioski oparte na modelach w naukach przyrodniczych: elementarz dowodów. Springer, Nowy Jork, USA.
źródło
Nie sądzę, aby istniała jakakolwiek prosta interpretacja AIC lub BIC. Obie są wielkościami, które przyjmują prawdopodobieństwo dziennika i nakładają na niego karę za liczbę szacowanych parametrów. Konkretne kary dla AIC zostały wyjaśnione przez Akaike w jego artykułach od 1974 roku. BIC został wybrany przez Gideona Schwarz w swoim artykule z 1978 roku i jest motywowany argumentem bayesowskim.
źródło
Prawdopodobnie używasz BIC w wyniku przybliżenia do współczynnika Bayesa. Dlatego nie rozważasz (mniej więcej) wcześniejszej dystrybucji. BIC na etapie wyboru modelu jest przydatny podczas porównywania modeli. Aby w pełni zrozumieć BIC, czynnik Bayesa zdecydowanie polecam przeczytanie artykułu (sekcja 4): http://www.stat.washington.edu/raftery/Research/PDF/socmeth1995.pdf w celu uzupełnienia wiedzy o: http: // www .stat.washington.edu / raftery / Research / PDF / kass1995.pdf
źródło