タグ付けされた質問 「aic」

私の質問は、一般的な混合モデルにおけるAICのスレッドの負の値に関連しています。使用するソフトウェアからマイナスのAIC値を取得することがよくあります。時系列をやっているときに一番気づきます。しかし、これは私が得ないものです。のようなAICを定義するとき AIC=2k−2ln(L)AIC=2k−2ln⁡(L)AIC = 2k-2\ln(L) LLL尤度であるは同時確率であり、私の理解では0と1の間でバインドする必要があります。数学的には、これはが正でなければならないことを意味します。したがって、というラベルの付いた価値に対して、私のソフトウェアが何を与えているのかわかりません。何かご意見は？AICAICAICAICAICAIC

8 aic 

auto.arimaを使用して時系列モデル（Rob Hyndmanのサイトで説明されているように、ARIMAエラーのある線形回帰）を近似しました情報基準の値を次のように報告します AIC：2989.2 AICC：2989.3 BIC：3261.2 Arimaを使用して、ドリフト構造を持つ（1,1,1）のモデルを近似すると、出力は著しく低いICの AIC：2510.3 AICC：2510.4 BIC：2759 auto.arimaに、ドリフトモデル（start.pおよびstart.qパラメーターを使用）で（1,1,1）を考慮するように強制できます。その際、 "trace = TRUE"を設定します。 （1,1,1）ドリフトモデルは考慮されますが、auto.arimaによって拒否されます。それでも（5,1,0）ドリフトモデルが最良の結果として報告されます。 auto.arimaが他の基準を使用してモデルを選択する状況はありますか？ 追加するために編集（リクエストに応じて） この例のデータは、このGoogleスプレッドシートで見つけることができます 例を再現するRコードは repro = read.csv("mindata.csv") reprots = ts(repro, start=1, frequency=24) fitauto = auto.arima(reprots[,"lnwocone"], xreg=cbind(fourier(reprots[,"lnwocone"], K=11), reprots[,c("temp","sqt","humidity","windspeed","mist","rain")]), start.p=1, start.q=1, trace=TRUE, seasonal=FALSE) fitdirect <- Arima(reprots[,"lnwocone"], order=c(1,1,1), seasonal=c(0,0,0), xreg=cbind(fourier(reprots[,"lnwocone"], K=11), reprots[,c("temp","sqt","humidity","windspeed","mist","rain")]), include.drift=TRUE) summary(fitauto) summary(fitdirect) Googleドキュメントデータ-インラインコードはサンプルを提供する最良の方法ではありません。私は過去のガイドラインでこれを行うための最良の方法を見てきましたが、今朝の検索でそれらのガイドラインを見つけることができませんでした。

8 r  arima  aic 

モデル構築におけるAICの使用について、一文で説明する必要があります。これまでのところ、「簡単に言えば、AICは、さまざまなモデルによって説明される観測された変動の量の相対的な測定値であり、モデルの複雑さを修正できます。」 アドバイスは大歓迎です。 R

8 aic 

統計からのモデルの複雑さの2つのよく知られている（および関連する）指標は、赤池情報量基準（AIC）とベイズ情報量基準（BIC）です。 AIC = BICはいつでしょうか？

8 aic  bic 

重回帰モデルを実行していて、AICとBICを使用してモデルを選択しようとしています。ただし、どちらの指標も、選択できる変数の数は考慮せず、選択した変数の数のみを考慮していることに気づきました。選択する変数がたくさんある場合、運が良ければ、モデル化しようとしているものと非常に相関のあるものが見つかる可能性があります。いくつの変数から選択できるかを考慮した指標はありますか？

7 multiple-regression  aic  bic 

モデル構築のためにRでdrop1コマンドを使用している間、AIC値が最も低い変数をドロップする必要があると言われています。同じ理由は何でしょうか？AICは情報の損失について話しているので、AIC値は低い方が良いことはわかっていますが、AICが低い変数を削除するのは直観に反するようです。誰かがそうする理由を説明できますか？

7 r  regression  aic