Я думаю, что я получаю разные значения AIC и BIC в регрессионной модели, построенной с использованием пакета statsmodel в Python

Question

Я построил однофакторную (одномерную регрессию) модель, и когда я делаю

aic = results.aic 

, а когда делаю

aic = results.nobs*np.log(results.ssr/results.nobs) + 4 

, я получаю разные результаты.Какой из них правильный?

Вторая формула дает те же результаты, что и выходные данные SAS Base 9.4

  aic = results.aic #from statsmodel packages
  aic = results.nobs*np.log(results.ssr/results.nobs) + 4

Answer 1

Расчеты между AIC в statsmodels и SAS отличаются, когда дело доходит до интерпретации размеров модели.

В статмоделях AIC выглядит так:

Исходный код Statsmodels Eval_metrics

def aic(llf, nobs, df_modelwc):

    return -2. * llf + 2. * df_modelwc

где df_modelwc -

df_modelwc : int
        number of parameters including constant

в интерпретации SAS:

Документация по смешанным процедурам SAS

AIC выглядит как

-2LL + 2d, где «d - эффективное число оцененных параметров ковариации».

Обе интерпретации верны, но вы не можете сравнить добротность меры соответствия, основанной на интерпретации из двух разных источников.