Critère d'information d'Akaike (AIC) est une mesure statistique de la probabilité d'un modèle, pénalisé pour la complexité du modèle. Il est utile lorsque l'on compare deux ou plusieurs modèles statistiques pour les données. Tous les modèles doivent avoir la même variable dépendante. La formule pour AIC est 2k - 2 ln (L), où "k" est le nombre de paramètres du modèle et "L" est la probabilité du modèle. Un plus petit AIC indique un modèle mieux ajusté.
Instructions
1 Calculer le nombre de paramètres. Cela est tout simplement le nombre de variables indépendantes, y compris les transformations de variables et d'interactions.
2 Doubler le nombre de paramètres.
3 Calculer les valeurs prédites. Ceux-ci peuvent être obtenus à partir du modèle. Par exemple, une régression donne une formule qui multiplie chaque variable indépendante par une estimation de paramètre.
4 Calculer les résidus. Ceux-ci sont les différences entre la valeur prédite pour chaque sujet et la valeur observée pour chaque sujet.
5 Trouver la somme des carrés des résidus. Pour ce faire, en élevant au carré les résidus et tous l'addition.
6 Multiplier le logarithme de la somme des carrés résiduelle par n, qui est le nombre de sujets.
7 Ajouter le nombre de paramètres doublé que vous avez calculé précédemment. Le résultat est l'AIC.
Conseils et avertissements
- La plupart des logiciels statistiques sorties AIC pour vous.
- L'AIC est pas utile pour un seul modèle. Il est utile que pour comparer les modèles.