假设我已经使用来自同一数据集的预测变量（和响应变量）拟合了一些模型。
模型的哪些变化会让我在 AIC 的基础上比较模型变得不合理？
1）假设，如果我对因变量进行日志转换，将其与没有转换的模型进行比较是否公平？
2）如果我要从模型中删除预测变量，我可以将它与添加了所有预测变量的模型进行比较吗？
3）如果我将两个不同家庭的glms分别安装在两者上，我还能在AIC的基础上进行比较吗？不同的链接功能呢？
谢谢您的意见。
是什么破坏了模型与 AIC 的可比性？
机器算法验证
aic
2022-03-22 04:00:47
1个回答
如果你有两个模型和样品，那么只要模型合理，就可以使用 AIC 进行比较。当然，这并不意味着 AIC 会在竞争对手中选择最接近真相的模型，因为 AIC 是基于渐近结果的。在一个极端的场景下，假设你要比较两个模型，一个有 1 个单参数，另一个有 100 个参数，样本量为. 然后，预计在具有 100 个参数的模型的估计中会观察到非常低的精度，而在具有 1 个参数的模型中，可能会准确估计参数。这是反对使用 AIC 来比较似然估计器具有非常不同收敛速度的模型的论据之一。即使在具有相同数量参数的模型中也可能发生这种情况。
- 是的，只要模型仍然有意义，您就可以使用 AIC 来比较您在其中一个模型中转换响应变量的两个模型。然而，这并非总是如此。如果你有一个线性模型
在哪里，这意味着变量可以取任何实际值。因此，从理论的角度来看，对数变换没有意义，即使样本只包含正值。
这称为逐步 AIC 变量选择。已经在 R 命令中实现
stepAIC()。同样，只要用这种模型对数据进行建模是有意义的。
关于 AIC 使用的一些有趣的讨论可以在这里找到：
其它你可能感兴趣的问题