Come calcolare il bic in r
Il criterio informativo bayesiano , spesso abbreviato BIC , è una misura utilizzata per confrontare la bontà dell’adattamento di diversi modelli di regressione.
In pratica, adattiamo più modelli di regressione allo stesso set di dati e scegliamo il modello con il valore BIC più basso come modello che meglio si adatta ai dati.
Utilizziamo la seguente formula per calcolare il BIC:
BIC: (RSS+log(n)dσ̂ 2 ) / n
Oro:
- d: il numero di predittori
- n: osservazioni totali
- σ̂: Stima della varianza dell’errore associata a ciascuna misura di risposta in un modello di regressione
- RSS: somma residua dei quadrati dal modello di regressione
- TSS: somma totale dei quadrati del modello di regressione
Il seguente esempio passo passo mostra come calcolare i valori BIC per i modelli di regressione in R.
Passaggio 1: visualizzare i dati
Per questo esempio, utilizzeremo il set di dati mtcars integrato:
#view first six rows of mtcars dataset
head(mtcars)
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225 105 2.76 3,460 20.22 1 0 3 1
Passaggio 2: installa più modelli
Successivamente, adatteremo diversi modelli di regressione utilizzando questo set di dati:
#fit three different regression models
model1 <- lm(mpg ~ disp + hp, data = mtcars)
model2 <- lm(mpg ~ disp + qsec, data = mtcars)
model3 <- lm(mpg ~ disp + wt, data = mtcars)
Passaggio 3: Scegli il modello con il BIC più basso
Per calcolare il valore BIC per ciascun modello, possiamo utilizzare la funzione BIC() dal pacchetto flexmix :
library (flexmix)
#calculate BIC of model1
BIC(model1)
[1] 174.4815
#calculate BIC of model2
BIC(model2)
[1] 177.7048
#calculate BIC of model3
BIC(model3)
[1] 170.0307
Possiamo vedere i valori BIC per ciascun modello:
- BIC del modello 1 : 174.4815
- Modello 2 BIC: 177.7048
- Modello 3 BIC: 170.0307
Poiché il modello 3 ha il valore BIC più basso, lo sceglieremo come il modello che meglio si adatta al set di dati.
Risorse addizionali
I seguenti tutorial spiegano come adattare i modelli di regressione comuni in R:
Come eseguire una regressione lineare semplice in R
Come eseguire la regressione lineare multipla in R
Come eseguire la regressione logistica in R
Come eseguire la regressione dei minimi quadrati ponderati in R