Digamos que tenho um problema de seleção de modelos e estou tentando usar o AIC ou o BIC para avaliar os modelos. Isso é direto para modelos que possuem algum número kkk de parâmetros com valor real. No entanto, e se um de nossos modelos (por exemplo, o modelo de Mallows ) tiver uma permutação,...
O teste da razão de verossimilhança e a AIC são ferramentas para escolher entre dois modelos e ambos se baseiam na probabilidade de log. Mas, por que o teste da razão de verossimilhança não pode ser usado para escolher entre dois modelos não aninhados enquanto o AIC
Sei que esse tópico foi abordado várias vezes antes, por exemplo , aqui , mas ainda não tenho certeza da melhor maneira de interpretar minha saída de regressão. Eu tenho um conjunto de dados muito simples, constituído por uma coluna de valores x e uma coluna de valores y , divididos em dois grupos...
Está bem estabelecido, pelo menos entre os estatísticos de maior calibre, que os modelos com os valores da estatística da AIC dentro de um certo limite do valor mínimo devem ser considerados tão apropriados quanto o modelo que minimiza a estatística da AIC. Por exemplo, em [1, p.221],...
Então, eu entendo que a seleção de variáveis faz parte da seleção de modelos. Mas em que consiste exatamente a seleção de modelos? É mais do que o seguinte: 1) escolha uma distribuição para o seu modelo 2) escolha variáveis explicativas? Pergunto isso porque estou lendo um artigo Burnham...
Meu colega deseja analisar alguns dados após transformar a variável de resposta, elevando-a ao poder de (isto é,Y0,125).1818\frac18y0.125y0.125y^{0.125} Estou desconfortável com isso, mas estou tentando entender o porquê. Não consigo pensar em nenhuma lógica mecanicista para essa transformação....
Na Wikipedia, existe uma definição do Critério de Informação de Akaike (AIC) como AIC=2k−2logLAIC=2k−2logL AIC = 2k -2 \log L , onde kkk é o número de parâmetros e logLlogL\log L é a probabilidade de log do modelo. No entanto, os nossos notas Econometria na universidade um estado bem respeitado...
Estou executando um modelo de regressão de Poisson com 1 variável de resposta e 6 covariáveis. A seleção de modelos usando o AIC resulta em um modelo com todas as covariáveis e 6 termos de interação. O BIC, no entanto, resulta em um modelo com apenas 2 covariáveis e sem termos de interação. É...
O ponto principal da AIC ou de qualquer outro critério de informação é que menos é melhor. Portanto, se eu tiver dois modelos M1: y = a0 + XA + e e M2: y = b0 + ZB + u, e se o AIC do primeiro (A1) for menor que o do segundo (A2), então M1 terá um melhor ajuste do ponto de vista da teoria da...
O AIC é definido como , em que é o estimador de probabilidade máxima é a dimensão do espaço do parâmetro. Para a estimativa de , geralmente se negligencia o fator constante da densidade. Ou seja, o fator que não depende dos parâmetros, a fim de simplificar a probabilidade. Por outro lado, esse...
Dado o mesmo conjunto de covariáveis e família de distribuição, como posso comparar modelos com diferentes funções de link? Acho que a resposta correta aqui é "AIC / BIC", mas não tenho 100% de certeza. É possível ter modelos aninhados se eles tiverem um link
Eu tenho um conjunto de dados de séries temporais no qual estou tentando ajustar um Modelo de Markov oculto (HMM) para estimar o número de estados latentes nos dados. Meu pseudo-código para fazer isso é o seguinte: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states ......
Eu tenho um conjunto de dados muito grande e faltam cerca de 5% de valores aleatórios. Essas variáveis estão correlacionadas entre si. O exemplo a seguir do conjunto de dados R é apenas um exemplo de brinquedo com dados correlatos simulados. set.seed(123) # matrix of X variable xmat <-...
Eu quero comparar dados que proporções entre três grupos diferentes, por exemplo: ID Group Prop.Nitrogen 1 A 0.89 2 A 0.85 3 B 0.92 4 B 0.97 Seguindo Wharton e Hui (doi: 10.1890 / 10-0340.1 1 ), pensei em ver se esses dados seriam melhor tratados usando um logit transformado. Quando olho...
Como posso calcular o número de parâmetros em uma rede neural artificial para calcular sua
A documentação do R para qualquer um deles não esclarece muita coisa. Tudo o que posso obter neste link é que o uso de qualquer um deles deve estar bem. O que eu não entendo é por que eles não são iguais. Fato: A função de regressão gradual em R é step()usada extractAIC(). Curiosamente, a...
Recentemente, ajustei 4 modelos de regressão múltiplos para os mesmos dados de previsão / resposta. Dois dos modelos eu me encaixo com a regressão de Poisson. model.pois <- glm(Response ~ P1 + P2 +...+ P5, family=poisson(), ...) model.pois.inter <- glm(Response ~ (P1 + P2 +...+ P5)^2,...
Chris Chatfield, cujos livros e documentos de qualidade eu gostei de ler, em (1) dá os seguintes conselhos: Por exemplo, a escolha entre os modelos de séries temporais ARIMA com valores baixos e aproximadamente iguais da AIC provavelmente deve ser feita, não sobre o que acontece para fornecer a...
A página da Wikipedia diz que Box-Jenkins é um método de ajustar um modelo ARIMA a uma série temporal. Agora, se eu quiser ajustar um modelo ARIMA a uma série temporal, vou abrir o SAS, chamar proc ARIMA, fornecer os parâmetros e o SAS fornecerá os coeficientes AR e MA. Agora, posso tentar...
Eu não estou tão familiarizado com esta literatura, então, por favor, perdoe-me se essa é uma pergunta óbvia. Como o AIC e o BIC dependem da maximização da probabilidade, parece que eles só podem ser usados para fazer comparações relativas entre um conjunto de modelos que tentam ajustar um...