AIC
位于 stats
包(package)。 说明
根据公式 计算一个或多个拟合模型对象的 Akaike 的“信息准则”,以获得对数似然值,其中 表示拟合模型中的参数数量,并且 用于通常的 AIC,或 ( 是观测值的数量)用于所谓的 BIC 或 SBC(施瓦茨贝叶斯准则)。
用法
AIC(object, ..., k = 2)
BIC(object, ...)
参数
object |
存在 |
... |
可选地更多适合的模型对象。 |
k |
数字,要使用的每个参数的惩罚;默认的 |
细节
将最大似然拟合的模型与相同数据进行比较时,AIC 或 BIC 越小,拟合越好。
AIC 的理论要求对数似然已最大化:虽然可以计算未通过最大似然拟合的模型的 AIC,但不应比较它们的 AIC 值。
未“拟合相同数据”的模型示例是响应被转换的地方(accelerated-life 模型适合 log-times)以及使用列联表来汇总数据的地方。
这些是通用函数(在包 stats4
中定义了 S4 泛型)。然而,应该为对数似然函数 logLik
而不是这些函数定义方法:它们的默认方法的操作是在所有提供的对象上调用 logLik
并组装结果。请注意,在几种常见情况下,logLik
不会返回 MLE 处的值:请参阅其帮助页面。
对数似然以及 AIC/BIC 仅定义为加性常数。不同的常量通常用于不同的目的,因此 extractAIC
和 AIC
可能会给出不同的值(对于 "lm"
类的模型也是如此:请参阅 extractAIC
的帮助)。比较不同类别的拟合时需要特别小心(例如,泊松和伽马 GLM 的比较毫无意义,因为一个具有离散响应,另一个具有连续响应)。
BIC
定义为 AIC(object, ..., k = log(nobs(object)))
。这需要知道观察的数量:默认方法首先在 logLik
方法的返回值上查找 "nobs"
属性,然后尝试 nobs
泛型,如果两者都不成功,则返回 BIC 作为 NA
。
值
如果仅提供一个对象,则为具有相应 AIC(或 BIC,或...,取决于 k
)的数值。
如果提供了多个对象,则为 data.frame
,其中行对应于对象,列表示模型 ( df
) 和 AIC 或 BIC 中的参数数量。
例子
lm1 <- lm(Fertility ~ . , data = swiss)
AIC(lm1)
stopifnot(all.equal(AIC(lm1),
AIC(logLik(lm1))))
BIC(lm1)
lm2 <- update(lm1, . ~ . -Examination)
AIC(lm1, lm2)
BIC(lm1, lm2)
作者
Originally by José Pinheiro and Douglas Bates, more recent revisions by R-core.
参考
Sakamoto, Y., Ishiguro, M., and Kitagawa G. (1986). Akaike Information Criterion Statistics. D. Reidel Publishing Company.
也可以看看
相关用法
- R ARMAtoMA 将 ARMA 过程转换为无限 MA 过程
- R ARMAacf 计算 ARMA 过程的理论 ACF
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R formula 模型公式
- R nls.control 控制 nls 中的迭代
- R aggregate 计算数据子集的汇总统计
- R deriv 简单表达式的符号和算法导数
- R kruskal.test Kruskal-Wallis 秩和检验
- R quade.test 四方测试
- R decompose 移动平均线的经典季节性分解
- R plot.stepfun 绘制阶跃函数
- R alias 查找模型中的别名(依赖项)
- R qqnorm 分位数-分位数图
- R eff.aovlist 多层方差分析的计算效率
- R pairwise.t.test 成对 t 检验
- R loglin 拟合对数线性模型
- R predict.smooth.spline 通过平滑样条拟合进行预测
- R bartlett.test 方差齐性的 Bartlett 检验
- R influence.measures 回归删除诊断
- R loess.control 设置黄土参数
- R Normal 正态分布
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Akaike's An Information Criterion。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。