Kysymys:
Negatiiviset arvot AICc: lle (korjattu Akaike-tietokriteeri)
Freya Harrison
2010-07-22 15:11:15 UTC
view on stackexchange narkive permalink

Olen laskenut AIC: n ja AICc: n vertaamaan kahta yleistä lineaarista sekamallia; AIC: t ovat positiivisia, kun mallissa 1 on alempi AIC kuin mallissa 2. AICc: n arvot ovat kuitenkin molemmat negatiivisia (malli 1 on edelleen <-malli 2). Onko pätevä käyttää ja verrata negatiivisia AICc-arvoja?

kun AIC: stä tuli vähimmäisvaatimus? vastaa minulle
mitä se tarkoittaa, kun mallin 1 AIC on pienempi kuin malli 2?Onko malli 1 lähempänä nollaa tai kauempana nollaa?Toisin sanoen, jos mallin 1 AIC on -390 ja mallilla 2 on -450, valitsenko mallin 1 vai mallin 2 ??
Viisi vastused:
#1
+48
Harvey Motulsky
2010-07-27 10:36:14 UTC
view on stackexchange narkive permalink

Tärkeää on vain kahden AIC-arvon (tai parempi, AICc) arvon ero, mikä edustaa sopivuutta kahteen malliin. AIC: n (tai AICc) todellinen arvo, riippumatta siitä, onko se positiivinen vai negatiivinen, ei tarkoita mitään. Jos yksinkertaisesti vaihdat yksiköt, joissa tiedot ilmaistaan, AIC (ja AICc) muuttuisivat dramaattisesti. Kahden vaihtoehtoisen mallin AIC: n ero ei kuitenkaan muutu ollenkaan.

Alarivi: Ohita AIC: n (tai AICc: n) todellinen arvo ja onko se positiivinen vai negatiivinen. Ohita myös kahden AIC (tai AICc) -arvon suhde. Kiinnitä huomiota vain eroon.

Minusta kaikki vastaukset tähän kysymykseen olivat hyödyllisiä, mutta mielestäni tämä on käytännöllisin.
Olen hämmentynyt yksiköiden vaihtamista koskevasta huomautuksesta, koska määritelmän mukaan AIC on yksikköön (se on korjattu suurin lokitodennäköisyys). Tietoyksiköiden muutos ei muuta lainkaan maksimoitua todennäköisyyttä eikä siten myöskään muuta AIC: tä. (Riippumatta siitä, onko suosituksesi kiinnittää huomiota vain eroon, ei ole kyseenalaista.)
@whuber:, jos tietoja jaetaan jatkuvasti (mikä voi olla, riippuen siitä, tarkoittako alkuperäinen julistaja tosiasiallisesti "yleistä" vai "yleistettyä" LMM: ää), todennäköisyystiheyteen sisältyy implisiittinen "delta-x"-termi, johon se todella vaikuttaa vaihtamalla yksiköitä. Katso myös
@Ben Kiitos. Kun kirjoitin tämän, olin hämmentynyt AIC: n ja AIC: n eron välillä ajattelemalla, että jälkimmäinen oli ensimmäinen. On oikein, että yksikköjen valinta tuo todennäköisyydelle multiplikatiivisen vakion. Tällöin * log * -todennäköisyydellä on * additiivinen * vakio, joka vaikuttaa (kaksinkertaistamisen jälkeen) AIC: hen. AIC-arvojen ero ennallaan.
#2
+27
Graham Cookson
2010-07-23 19:53:51 UTC
view on stackexchange narkive permalink

AIC = -2Ln (L) + 2k

missä L on kyseisen mallin Likelihood-funktion maksimoitu arvo ja k on mallin parametrien määrä.

esimerkkisi -2Ln (L) + 2k <0 tarkoittaa, että log-todennäköisyys oli enintään 0, mikä tarkoittaa, että todennäköisyys maksimissa oli> 1.

Positiivisella log-todennäköisyydellä ei ole ongelmaa . On yleinen väärinkäsitys, että lokitodennäköisyyden on oltava negatiivinen. Jos todennäköisyys johdetaan todennäköisyystiheydestä, se voi kohtuudella ylittää yhden, mikä tarkoittaa, että log-todennäköisyys on positiivinen, joten poikkeama ja AIC ovat negatiivisia. Näin tapahtui mallissasi.

Jos uskot, että AIC: iden vertaaminen on hyvä tapa valita malli, silti olisi, että (algebrallisesti) alempi AIC ei ole suositeltava pienin absoluuttinen AIC-arvo. Voit toistaa haluamasi negatiivisimman numeron esimerkissäsi.

#3
+13
user88
2010-07-22 16:42:43 UTC
view on stackexchange narkive permalink

Yleisesti oletetaan, että AIC (ja niin edelleen AICc) on määritelty vakion lisäämiseen asti, joten tosiasia, jos se on negatiivinen tai positiivinen, ei ole lainkaan merkityksellistä. Joten vastaus on kyllä, se on pätevä.

Vaikka vakio sisällytettäisiin, AIC (AICc) voi olla negatiivinen.
Sitä olen kirjoittanut.
#4
+5
ars
2010-07-22 21:00:45 UTC
view on stackexchange narkive permalink

Kyllä, on kelvollista verrata negatiivisia AICc-arvoja samalla tavalla kuin negatiivisia AICc-arvoja. AICc: n korjauskerroin voi tulla suuri pienellä otoskoolla ja suhteellisen suurella määrällä parametreja ja rangaista AIC: tä raskaammalla. Joten positiiviset AIC-arvot voivat vastata negatiivisia AICc-arvoja.

#5
  0
SmallChess
2016-09-01 17:56:57 UTC
view on stackexchange narkive permalink

Kyllä. On kelvollista verrata AIC-arvoja riippumatta siitä, ovatko ne positiivisia tai negatiivisia. Tämä johtuu siitä, että AIC on määritelty olevan log-todennäköisyyden lineaarinen funktio (-2). Jos todennäköisyys on suuri, AIC on todennäköisesti negatiivinen, mutta se ei sano mitään itse mallista.

AICc on samanlainen, se, että arvoja on nyt muutettu, ei muuta mitään.



Tämä Q & A käännettiin automaattisesti englanniksi.Alkuperäinen sisältö on saatavilla stackexchange-palvelussa, jota kiitämme cc by-sa 2.0-lisenssistä, jolla sitä jaetaan.
Loading...