Saya telah menghitung AIC dan AICc untuk membandingkan dua model campuran linier umum; AIC positif dengan model 1 memiliki AIC lebih rendah daripada model 2. Namun, nilai untuk AICc keduanya negatif (model 1 masih <model 2). Apakah valid untuk menggunakan dan membandingkan nilai AICc negatif?
mixed-model
model-selection
aic
Freya Harrison
sumber
sumber
Jawaban:
Yang penting adalah perbedaan antara dua nilai AIC (atau, lebih baik, AICc), mewakili kecocokan ke dua model. Nilai aktual AIC (atau AICc), dan apakah itu positif atau negatif, tidak ada artinya. Jika Anda hanya mengubah unit data yang diekspresikan, AIC (dan AICc) akan berubah secara dramatis. Tetapi perbedaan antara AIC dari dua model alternatif tidak akan berubah sama sekali.
Intinya: Abaikan nilai aktual AIC (atau AICc) dan apakah itu positif atau negatif. Abaikan juga rasio dua nilai AIC (atau AICc). Perhatikan perbedaannya saja.
sumber
AIC = -2Ln (L) + 2k
di mana L adalah nilai maksimal dari fungsi Likelihood untuk model itu dan k adalah jumlah parameter dalam model.
Dalam contoh Anda -2Ln (L) + 2k <0 berarti kemungkinan log maksimum> 0 yang berarti kemungkinan maksimum>> 1.
Tidak ada masalah dengan kemungkinan log-positif. Ini adalah kesalahpahaman umum bahwa kemungkinan log harus negatif. Jika kemungkinan diperoleh dari kepadatan probabilitas, maka kemungkinannya dapat melebihi 1 yang berarti log-likelihood positif, maka penyimpangan dan AIC negatif. Inilah yang terjadi pada model Anda.
Jika Anda percaya bahwa membandingkan AIC adalah cara yang baik untuk memilih model maka masih akan menjadi kasus bahwa AIC (aljabar) yang lebih rendah lebih disukai bukan yang dengan nilai AIC absolut terendah. Untuk mengulangi Anda ingin nomor paling negatif dalam contoh Anda.
sumber
Secara umum, diasumsikan bahwa AIC (dan AICc) didefinisikan hingga menambahkan konstanta, sehingga fakta jika negatif atau positif tidak berarti sama sekali. Jadi jawabannya adalah ya, itu valid.
sumber
Ya itu sah untuk membandingkan nilai AICc negatif, dengan cara yang sama seperti Anda akan nilai AIC negatif. Faktor koreksi dalam AICc dapat menjadi besar dengan ukuran sampel yang kecil dan jumlah parameter yang relatif besar, dan menghukum lebih berat dari AIC. Jadi nilai AIC positif dapat sesuai dengan nilai AICc negatif.
sumber
Iya nih. Ini valid untuk membandingkan nilai-nilai AIC tanpa memandangnya positif atau negatif. Itu karena AIC didefinisikan sebagai fungsi linear (-2) dari log-likelihood. Jika kemungkinannya besar, AIC Anda akan cenderung negatif tetapi tidak mengatakan apa-apa tentang model itu sendiri.
AICc serupa, fakta bahwa nilai-nilai sekarang disesuaikan tidak mengubah apa pun.
sumber