Eu calculei o AIC e o AICc para comparar dois modelos mistos lineares gerais; Os AICs são positivos, com o modelo 1 tendo um AIC menor que o modelo 2. No entanto, os valores do AICc são ambos negativos (o modelo 1 ainda é <modelo 2). É válido usar e comparar valores negativos de AICc?
mixed-model
model-selection
aic
Freya Harrison
fonte
fonte
Respostas:
Tudo o que importa é a diferença entre dois valores de AIC (ou, melhor, AICc), representando o ajuste para dois modelos. O valor real da AIC (ou AICc), e se é positivo ou negativo, não significa nada. Se você simplesmente alterasse as unidades nas quais os dados são expressos, o AIC (e o AICc) mudaria drasticamente. Mas a diferença entre a AIC dos dois modelos alternativos não mudaria nada.
Conclusão: ignore o valor real de AIC (ou AICc) e se é positivo ou negativo. Ignore também a proporção de dois valores de AIC (ou AICc). Preste atenção apenas na diferença.
fonte
AIC = -2Ln (L) + 2k
onde L é o valor maximizado da função de verossimilhança para esse modelo ek é o número de parâmetros no modelo.
No seu exemplo, -2Ln (L) + 2k <0 significa que a probabilidade do log no máximo foi> 0, o que significa que a probabilidade no máximo foi> 1.
Não há problema com uma probabilidade de log positiva. É um equívoco comum que a probabilidade de log deva ser negativa. Se a probabilidade deriva de uma densidade de probabilidade, ela pode exceder razoavelmente 1, o que significa que a probabilidade logarítmica é positiva; portanto, o desvio e o AIC são negativos. Foi o que ocorreu no seu modelo.
Se você acredita que comparar AICs é uma boa maneira de escolher um modelo, ainda assim o AIC (algebricamente) mais baixo é preferido, não aquele com o menor valor absoluto de AIC. Para reiterar, você deseja o número mais negativo em seu exemplo.
fonte
Geralmente, supõe-se que o AIC (e, portanto, o AICc) seja definido para adicionar uma constante; portanto, o fato de ser negativo ou positivo não tem significado algum. Portanto, a resposta é sim, é válida.
fonte
Sim, é válido comparar valores negativos de AICc, da mesma maneira que você faria com valores negativos de AIC. O fator de correção no AICc pode se tornar grande com um tamanho de amostra pequeno e um número relativamente grande de parâmetros e penalizar mais que o AIC. Portanto, valores positivos de AIC podem corresponder a valores negativos de AICc.
fonte
Sim. É válido comparar os valores da AIC, independentemente de serem positivos ou negativos. Isso porque AIC é definido como uma função linear (-2) da probabilidade de log. Se a probabilidade for grande, o seu AIC provavelmente será negativo, mas não diz nada sobre o modelo em si.
AICc é semelhante, o fato de os valores agora serem ajustados não muda nada.
fonte