全文阅读:Stata:AIC 和 BIC 准则介绍-aic_model_selection-stepwise| 连享会主页
目录
1. 引言2. 理论背景 2.1 AIC 准则简介2.2 BIC 准则简介2.3 应用举例3. aic_model_selection 命令 3.1 命令介绍3.2 Stata 实操4. stepwise 命令 4.1 命令简介4.2 Stata 实操5. aic_model_selection 和 stepwise 对比6. 相关推文
1. 引言
对于参数估计问题,学者在研究时多选择将似然函数作为目标函数,即通过使似然函数最大化实现模型拟合最优。但是模型拟合精度最高并不意味着所选择的模型为最优模型。例如,较多的训练集可以提高模型精度,但随之而来的问题是模型变得更加复杂,甚至导致过度拟合。此时,我们需要借助能够平衡模型精度和复杂度的准则来进行判断。
本文主要介绍在最优模型选择时常用的 AIC 准则和 BIC 准则,以及 Stata 相关命令aic_model_selection
和stepwise
。
全文阅读:Stata:AIC 和 BIC 准则介绍-aic_model_selection-stepwise| 连享会主页
如果觉得《Stata:AIC和BIC准则介绍-aic_model_selection-stepwise》对你有帮助,请点赞、收藏,并留下你的观点哦!