的Akaike信息标准(AIC)另类投资会议= 2日志l米+ 2 (参数).
日志l米取决于用来拟合模型的方法。
如果你使用“拉普拉斯”
或“ApproximateLaplace”
,然后日志l米为最大对数似然值。
如果你使用“MPL”
,然后日志l米为最终伪似然迭代得到的伪数据的最大对数似然。
如果你使用“REMPL”
,然后日志l米为最终伪似然迭代得到的伪数据的最大限制对数似然。
参数为模型中估计的参数总数。对于大多数GLME模型来说,参数等于数控+p+ 1,在那里数控是否随机效应协方差中参数的总数,不包括残差方差,和p为固定效应系数的个数。然而,如果二项分布或泊松分布的色散参数固定在1.0,则参数等于(数控+p).
的贝叶斯信息准则(BIC)BIC= 2 *日志l米+ ln (neff)(参数).
日志l米取决于用来拟合模型的方法。
如果你使用“拉普拉斯”
或“ApproximateLaplace”
,然后日志l米为最大对数似然值。
如果你使用“MPL”
,然后日志l米为最终伪似然迭代得到的伪数据的最大对数似然。
如果你使用“REMPL”
,然后日志l米为最终伪似然迭代得到的伪数据的最大限制对数似然。
neff为有效观测次数。
如果你使用“MPL”
,“拉普拉斯”
,或“ApproximateLaplace”
,然后neff=n,在那里n为观察次数。
如果你使用“REMPL”
,然后neff=n- - - - - -p.
参数为模型中估计的参数总数。对于大多数GLME模型来说,参数等于数控+p+ 1,在那里数控是否随机效应协方差中参数的总数,不包括残差方差,和p为固定效应系数的个数。然而,如果二项分布或泊松分布的色散参数固定在1.0,则参数等于(数控+p).
偏差值越低表示匹配越好。随着偏差值的减小,AIC和BIC都有减小的趋势。AIC和BIC还包括基于估计参数数量的惩罚条款,p.因此,当参数数量增加时,AIC和BIC的值也有增加的趋势。在比较不同模型时,AIC或BIC值最低的模型被认为是最佳拟合模型。
适用于使用“MPL”
和“REMPL”
, AIC和BIC基于最终伪似然迭代的伪数据的对数似然(或限制对数似然)。因此,直接比较AIC和BIC值之间的模型拟合使用“MPL”
和“REMPL”
是不合适的。