He calculado el AIC y el AICc para comparar dos modelos lineales mixtos generales; los AIC son positivos y el modelo 1 tiene un AIC más bajo que el modelo 2. Sin embargo, los valores de AICc son ambos negativos (el modelo 1 sigue siendo < el modelo 2). ¿Es válido utilizar y comparar valores de AICc negativos?
Lo único que importa es la diferencia entre dos valores AIC (o, mejor, AICc), que representan el ajuste a dos modelos. El valor real del AIC (o AICc), y si es positivo o negativo, no significa nada. Si simplemente se cambiaran las unidades en las que se expresan los datos, el AIC (y el AICc) cambiaría drásticamente. Pero la diferencia entre el AIC de los dos modelos alternativos no cambiaría en absoluto.
En resumen: Ignore el valor real del AIC (o AICc) y si es positivo o negativo. Ignore también la relación de dos valores de AIC (o AICc). Preste atención sólo a la diferencia.
Todas las respuestas a esta pregunta me han parecido útiles, pero creo que ésta es la más práctica.
Me confunde el comentario sobre el cambio de unidades, porque por definición el AIC no tiene unidades (es un log likelihood máximo ajustado). Un cambio en las unidades de datos no cambiaría en absoluto la máxima verosimilitud y, por tanto, tampoco cambiaría el AIC. (En cualquier caso, su recomendación de prestar atención sólo a la diferencia no se cuestiona).
@whuber: si los datos se distribuyen de forma continua (lo que podría ser, dependiendo de si el cartel original realmente se refiere a LMM "general" o "generalizado") entonces la densidad de probabilidad tiene un término implícito "delta-x" en él, que de hecho se ve afectado por el cambio de unidades. Véase también < emdbolker.wikidot.com/faq >
AIC = -2Ln(L)+ 2k
donde L es el valor maximizado de la función de verosimilitud para ese modelo y k es el número de parámetros del modelo.
En su ejemplo -2Ln(L)+ 2k <0 significa que la log-verosimilitud en el máximo era > 0 lo que significa que la probabilidad en el máximo era > 1.
No hay ningún problema con una probabilidad logarítmica positiva. Es un error común pensar que la log-verosimilitud debe ser negativa. Si la probabilidad se deriva de una densidad de probabilidad, puede ser razonablemente superior a 1, lo que significa que la log-verosimilitud es positiva, por lo que la desviación y el AIC son negativos. Esto es lo que ocurrió en su modelo.
Si cree que la comparación de los AIC es una buena manera de elegir un modelo, entonces seguiría siendo preferible el AIC (algebraicamente) más bajo, no el que tenga el valor AIC absoluto más bajo. Para reiterar que quiere el número más negativo en su ejemplo.
Sí, es válido comparar los valores AICc negativos, del mismo modo que los valores AIC negativos. El factor de corrección en el AICc puede llegar a ser grande con un tamaño de muestra pequeño y un número de parámetros relativamente grande, y penalizar más que el AIC. Así que los valores AIC positivos pueden corresponder a valores AICc negativos.
Sí, es válido comparar los valores del AIC independientemente de que sean positivos o negativos. Esto se debe a que el AIC se define como una función lineal (-2) de la log-verosimilitud. Si la probabilidad es grande, su AIC será probablemente negativo, pero no dice nada sobre el modelo en sí.
El AICc es similar, el hecho de que los valores se ajusten ahora no cambia nada.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
0 votos
¿cuándo se convirtió el AIC en mínimo? por favor, contéstame
0 votos
¿qué significa que el AIC del modelo 1 sea menor que el del modelo 2? ¿Está el modelo 1 más cerca de cero o más alejado de cero? En otras palabras, si el AIC del modelo 1 es -390 y el modelo 2 tiene -450, ¿elijo el modelo 1 o el 2?