Oblicza si\u0119 go w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n AIC = 2K \u2013 2 ln<\/em> (L)<\/span><\/p>\n Z\u0142oto:<\/span><\/p>\n Celem AIC jest znalezienie modelu wyja\u015bniaj\u0105cego najwi\u0119ksze zr\u00f3\u017cnicowanie danych, przy jednoczesnym karaniu modeli wykorzystuj\u0105cych nadmiern\u0105 liczb\u0119 parametr\u00f3w.<\/span><\/p>\n Po dopasowaniu wielu modeli regresji mo\u017cna por\u00f3wna\u0107<\/span> warto\u015b\u0107 AIC ka\u017cdego modelu. Im ni\u017cszy AIC, tym bardziej odpowiedni model.<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak obliczy\u0107 AIC dla r\u00f3\u017cnych modeli regresji w SAS.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce chcemy dopasowa\u0107 trzy r\u00f3\u017cne modele wielokrotnej regresji liniowej,<\/a> aby przewidzie\u0107, jak\u0105 ocen\u0119 osi\u0105gn\u0105 uczniowie z egzaminu na zaj\u0119ciach.<\/span><\/p>\n Oto zmienne predykcyjne, kt\u00f3rych b\u0119dziemy u\u017cywa\u0107 w ka\u017cdym modelu:<\/span><\/p>\n Najpierw u\u017cyjemy nast\u0119puj\u0105cego kodu, aby utworzy\u0107 zbi\u00f3r danych zawieraj\u0105cy te informacje dla 20 uczni\u00f3w:<\/span><\/p>\n Nast\u0119pnie u\u017cyjemy proc reg<\/strong> , aby dopasowa\u0107 ka\u017cdy z tych modeli regresji i u\u017cyjemy instrukcji choice=adjrsq sse aic<\/strong> do obliczenia warto\u015bci AIC dla ka\u017cdego modelu:<\/span> <\/p>\n Z wyniku mo\u017cemy zobaczy\u0107 warto\u015bci AIC dla ka\u017cdego modelu:<\/span><\/p>\n Model o najni\u017cszej warto\u015bci AIC to ten, kt\u00f3ry zawiera tylko godziny jako zmienn\u0105 predykcyjn\u0105.<\/span><\/p>\n Deklarujemy zatem, \u017ce najlepiej pasuje do danych nast\u0119puj\u0105cy model:<\/span><\/p>\n Wynik = \u03b2 0<\/sub> + \u03b2 1<\/sub> (godziny nauki)<\/span><\/p>\n Gdy uznamy ten model za najlepszy, mo\u017cemy go dopasowa\u0107 i przeanalizowa\u0107 wyniki, w tym warto\u015b\u0107 R-kwadrat i wsp\u00f3\u0142czynniki beta, aby okre\u015bli\u0107 dok\u0142adny zwi\u0105zek mi\u0119dzy przestudiowanymi godzinami a ocenami uczni\u00f3w. 'egzamin ko\u0144cowy.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w SAS-ie:<\/span><\/p>\n Jak wykona\u0107 prost\u0105 regresj\u0119 liniow\u0105 w SAS-ie<\/a> Kryterium informacyjne Akaike (AIC) to metryka u\u017cywana do por\u00f3wnywania dopasowania modeli regresji wielokrotnej. Oblicza si\u0119 go w nast\u0119puj\u0105cy spos\u00f3b: AIC = 2K \u2013 2 ln (L) Z\u0142oto: K: Liczba parametr\u00f3w modelu. Domy\u015blna warto\u015b\u0107 K wynosi 2, zatem model z tylko jedn\u0105 zmienn\u0105 predykcyjn\u0105 b\u0119dzie mia\u0142 warto\u015b\u0107 K wynosz\u0105c\u0105 2+1 = 3. ln (L) : Logarytm […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-4433","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n\n
Przyk\u0142ad: Jak obliczy\u0107 AIC w SAS<\/strong><\/span><\/h2>\n
\n
\/*create dataset*\/\n<\/span>data<\/span> exam_data;\n input<\/span> hours prep_exams score;\n datalines<\/span> ;\n1 1 76\n2 3 78\n2 3 85\n4 5 88\n2 2 72\n1 2 69\n5 1 94\n4 1 94\n2 0 88\n4 3 92\n4 4 90\n3 3 75\n6 2 96\n5 4 90\n3 4 82\n4 4 85\n6 5 99\n2 1 83\n1 0 62\n2 1 76\n;\nrun<\/span> ;\n<\/strong><\/pre>\n \/*fit multiple linear regression models and calculate AIC for each model*\/<\/span>\nproc reg<\/span> data<\/span> =exam_data;\n model<\/span> score = hours prep_exams \/ selection=adjrsq sse aic;\nrun<\/span> ;<\/strong> <\/pre>\n![\"obliczy\u0107](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/aic1.png\")
<\/p>\n\n
Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak wykona\u0107 wielokrotn\u0105 regresj\u0119 liniow\u0105 w SAS-ie<\/a>
Jak obliczy\u0107 R-kwadrat w SAS<\/a>
Jak obliczy\u0107 RMSE w SAS<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"