Statistiken und Big Data aic

5

Was bringt es, einen Faktor in einem gemischten Modell als zufällig zu behandeln?

Ich habe aus einigen Gründen ein Problem damit, die Vorteile der Kennzeichnung eines Modellfaktors als zufällig zu betrachten. Für mich scheint es in fast allen Fällen die optimale Lösung zu sein, alle Faktoren als fest zu behandeln. Erstens ist die Unterscheidung zwischen fest und zufällig ziemlich willkürlich. Die übliche Erklärung …

24 model-selection random-effects-model aic fixed-effects-model mixed-model

3

AIC & BIC Nummerninterpretation

Ich suche Beispiele für die Interpretation von AIC-Schätzungen (Akaike-Informationskriterium) und BIC-Schätzungen (Bayes-Informationskriterium). Kann ein negativer Unterschied zwischen BICs als hintere Gewinnchance eines Modells gegenüber dem anderen interpretiert werden? Wie kann ich das in Worte fassen? Zum Beispiel kann der BIC = -2 bedeuten, dass die Chancen des besseren Modells gegenüber …

23 interpretation aic bic

3

AIC versus Kreuzvalidierung in Zeitreihen: der kleine Musterfall

Ich interessiere mich für die Modellauswahl in einer Zeitreiheneinstellung. Nehmen wir der Vollständigkeit halber an, ich möchte ein ARMA-Modell aus einem Pool von ARMA-Modellen mit unterschiedlichen Verzögerungsreihenfolgen auswählen. Die ultimative Absicht ist die Vorhersage . Die Modellauswahl kann über erfolgen Kreuzvalidierung, Verwendung von Informationskriterien (AIC, BIC), unter anderem Methoden. Rob …

22 time-series forecasting cross-validation model-selection aic

2

Wie sollen Mixed-Effects-Modelle verglichen und / oder validiert werden?

Wie werden (lineare) Mischeffektmodelle normalerweise miteinander verglichen? Ich weiß, dass Likelihood-Ratio-Tests verwendet werden können, aber dies funktioniert nicht, wenn ein Modell nicht die richtige Teilmenge des anderen Modells ist. Ist die Schätzung der Modelle df immer einfach? Anzahl der Fixeffekte + Anzahl der geschätzten Varianzkomponenten? Ignorieren wir die Schätzungen für …

22 hypothesis-testing mixed-model cross-validation aic degrees-of-freedom

3

AIC- oder p-Wert: Welchen wählen Sie für die Modellauswahl?

Ich bin ganz neu in dieser R-Sache, bin mir aber nicht sicher, welches Modell ich wählen soll. Ich habe eine schrittweise Vorwärtsregression durchgeführt , bei der jede Variable basierend auf dem niedrigsten AIC ausgewählt wurde. Ich habe mir 3 Modelle ausgedacht, bei denen ich nicht sicher bin, welches das "beste" …

22 model-selection aic stepwise-regression

1

Modellauswahl mit logistischer Regression nach Firth

In einem kleinen Datensatz ( ), mit dem ich arbeite, geben mir mehrere Variablen eine perfekte Vorhersage / Trennung . Ich benutze daher die logistische Regression von Firth , um das Problem zu lösen.n ≤ 100n∼100n\sim100 Wenn ich das beste Modell nach AIC oder BIC auswähle , sollte ich bei …

21 logistic model-selection aic separation

3

Bedeutung von 'Anzahl der Parameter' in AIC

Bei der Berechnung von AIC AIC=2k−2lnLAIC=2k−2lnLAIC = 2k - 2 ln L k bedeutet "Anzahl der Parameter". Aber was zählt als Parameter? So zum Beispiel im Modell y=ax+by=ax+by = ax + b Werden a und b immer als Parameter gezählt? Was ist, wenn mir der Wert des Abschnitts egal ist, …

21 aic

3

Vergleich nicht verschachtelter Modelle mit AIC

Sagen wir, wir müssen GLMMs mod1 <- glmer(y ~ x + A + (1|g), data = dat) mod2 <- glmer(y ~ x + B + (1|g), data = dat) Diese Modelle sind nicht im üblichen Sinne verschachtelt: a <- glmer(y ~ x + A + (1|g), data = dat) b …

19 r mixed-model aic lme4-nlme nested-models

1

Paradox bei der Modellauswahl (AIC, BIC, zu erklären oder vorherzusagen?)

Nachdem ich Galit Shmuelis "To Explain or to Predict" (2010) gelesen habe, wundere ich mich über einen offensichtlichen Widerspruch. Es gibt drei Räumlichkeiten, AIC versus BIC-basierte Modellauswahl (Ende S. 300 - Beginn S. 301): Einfach ausgedrückt, AIC sollte zur Auswahl eines Modells verwendet werden, das zur Vorhersage vorgesehen ist , …

18 forecasting model-selection feature-selection aic bic

1

Stepwise AIC - Gibt es Kontroversen zu diesem Thema?

Ich habe unzählige Beiträge auf dieser Site gelesen, die unglaublich gegen die schrittweise Auswahl von Variablen mit beliebigen Kriterien wie p-Werten, AIC, BIC usw. sind. Ich verstehe, warum diese Verfahren im Allgemeinen ziemlich schlecht für die Auswahl von Variablen sind. Gungs wahrscheinlich berühmter Post hier zeigt deutlich, warum; Letztendlich überprüfen …

17 forecasting predictive-models arima aic stepwise-regression

1

Versucht BIC, ein echtes Modell zu finden?

Diese Frage ist ein Follow-up oder ein Versuch, mögliche Verwirrung in Bezug auf ein Thema zu beseitigen, das ich und viele andere aufgrund des Unterschieds zwischen AIC und BIC als etwas schwierig empfinde. In einer sehr netten Antwort von @ Dave Kellen zu diesem Thema ( /stats//a/767/30589 ) lesen wir: …

17 model-selection aic bic

2

Vergleich der AIC eines Modells und seiner log-transformierten Version

Das Wesentliche meiner Frage ist: Sei eine multivariate normale Zufallsvariable mit Mittelwert und Kovarianzmatrix . Sei , dh . Wie vergleiche ich den AIC eines Modells, das mit beobachteten Realisierungen von übereinstimmt, mit einem Modell, das mit beobachteten Realisierungen von ? μ Σ Z : = log ( Y ) …

17 data-transformation aic likelihood

4

Über George Box, Galit Shmueli und die wissenschaftliche Methode?

(Diese Frage scheint für die Philosophy SE besser geeignet zu sein. Ich hoffe, dass Statistiker meine Missverständnisse über die Aussagen von Box und Shmueli klären können, daher veröffentliche ich sie hier.) George Box (von ARIMA) sagte: "Alle Modelle sind falsch, aber einige sind nützlich." Galit Shmueli argumentiert in ihrer berühmten …

16 predictive-models aic bic philosophical explanatory-models

1

Warum wird das Akaike-Informationskriterium beim maschinellen Lernen nicht häufiger verwendet?

Ich bin gerade auf das "Akaike-Informationskriterium" gestoßen und habe diese große Menge an Literatur zur Modellauswahl bemerkt (auch Dinge wie BIC scheinen zu existieren). Warum nutzen moderne Methoden des maschinellen Lernens diese Auswahlkriterien für BIC- und AIC-Modelle nicht?

16 machine-learning model-selection aic bic

2

Wann sollte man aufhören, ein Modell zu verfeinern?

Ich habe in den letzten 3 Jahren Statistiken aus vielen Büchern studiert und dank dieser Seite viel gelernt. Dennoch bleibt für mich eine grundlegende Frage offen. Es mag eine sehr einfache oder eine sehr schwierige Antwort geben, aber ich weiß, dass es ein tiefes Verständnis der Statistik erfordert. Bei der …

15 modeling inference aic

Als «aic» getaggte Fragen