aic
This is an old revision of the document!
AIC는 모델의 적합도와 예측 변인의 갯수가 (파라미터의 갯수) 적절한지를 보는 지표이다. 예측변인이 필요이상으로 많다면 AIC지수가 높아지게 되어 적절한 모델이 아님을 알려준다. 이것은 anova 펑션을 이용하여 중첩된 두 회귀분석의 F값을 비교하는 방법과 비슷하다고 보면 된다.
lm.01 <- lm(mpg ~ wt, data=mtcars) lm.02 <- lm(mpg ~ wt + hp, data=mtcars) lm.03 <- lm(mpg ~ wt + hp + disp, data=mtcars) anova(lm.01, lm.02, lm.03)
> lm.01 <- lm(mpg ~ wt, data=mtcars) > lm.02 <- lm(mpg ~ wt + hp, data=mtcars) > lm.03 <- lm(mpg ~ wt + hp + disp, data=mtcars) > anova(lm.01, lm.02, lm.03) Analysis of Variance Table Model 1: mpg ~ wt Model 2: mpg ~ wt + hp Model 3: mpg ~ wt + hp + disp Res.Df RSS Df Sum of Sq F Pr(>F) 1 30 278.32 2 29 195.05 1 83.274 11.9579 0.001758 ** 3 28 194.99 1 0.057 0.0082 0.928507 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 > >
aic.1668226076.txt.gz · Last modified: 2022/11/12 13:07 by hkimscil