\u00c9 calculado da seguinte forma:<\/span><\/p>\n AIC = 2K \u2013 2 ln<\/em> (L)<\/span><\/p>\n Ouro:<\/span><\/p>\n O AIC foi projetado para encontrar o modelo que explica a maior varia\u00e7\u00e3o nos dados, ao mesmo tempo que penaliza modelos que utilizam um n\u00famero excessivo de par\u00e2metros.<\/span><\/p>\n Depois de ajustar v\u00e1rios modelos de regress\u00e3o, voc\u00ea pode comparar<\/span> o valor AIC de cada modelo. Quanto menor o AIC, mais adequado \u00e9 o modelo.<\/span><\/p>\n O exemplo a seguir mostra como calcular o AIC para diferentes modelos de regress\u00e3o no SAS.<\/span><\/p>\n Suponha que queiramos ajustar tr\u00eas modelos diferentes de regress\u00e3o linear m\u00faltipla<\/a> para prever a nota do exame que os alunos obter\u00e3o em uma aula.<\/span><\/p>\n Aqui est\u00e3o as vari\u00e1veis preditoras que usaremos em cada modelo:<\/span><\/p>\n Primeiro, usaremos o seguinte c\u00f3digo para criar um conjunto de dados contendo essas informa\u00e7\u00f5es para 20 alunos:<\/span><\/p>\n A seguir, usaremos proc reg<\/strong> para ajustar cada um desses modelos de regress\u00e3o e usaremos a instru\u00e7\u00e3o selection=adjrsq sse aic<\/strong> para calcular os valores de AIC para cada modelo:<\/span> <\/p>\n Pelo resultado podemos ver os valores de AIC para cada modelo:<\/span><\/p>\n O modelo com menor valor de AIC \u00e9 aquele que cont\u00e9m apenas horas como vari\u00e1vel preditora.<\/span><\/p>\n Assim, declaramos que o seguinte modelo melhor se ajusta aos dados:<\/span><\/p>\n Pontua\u00e7\u00e3o = \u03b2 0<\/sub> + \u03b2 1<\/sub> (horas estudadas)<\/span><\/p>\n Uma vez identificado este modelo como o melhor, podemos ajust\u00e1-lo e analisar os resultados, incluindo o valor R-quadrado e os coeficientes beta, para determinar a rela\u00e7\u00e3o exata entre as horas estudadas e a nota do aluno. ‘exame final.<\/span><\/p>\n Os tutoriais a seguir explicam como executar outras tarefas comuns no SAS:<\/span><\/p>\n Como realizar regress\u00e3o linear simples no SAS<\/a> O Crit\u00e9rio de Informa\u00e7\u00e3o de Akaike (AIC) \u00e9 uma m\u00e9trica usada para comparar o ajuste de modelos de regress\u00e3o m\u00faltipla. \u00c9 calculado da seguinte forma: AIC = 2K \u2013 2 ln (L) Ouro: K: O n\u00famero de par\u00e2metros do modelo. O valor padr\u00e3o de K \u00e9 2, portanto, um modelo com apenas uma vari\u00e1vel preditora […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-4433","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo: Como calcular AIC no 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![\"calcular](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/aic1.png\")
<\/p>\n\n
Recursos adicionais<\/strong><\/span><\/h2>\n
Como realizar regress\u00e3o linear m\u00faltipla no SAS<\/a>
Como calcular R-quadrado no SAS<\/a>
Como calcular o RMSE no SAS<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"