这akaike信息标准(AIC)AIC.= 2日志L.m+ 2 (参数).
日志L.m取决于用来拟合模型的方法。
如果你使用“拉普拉斯”
或'inffimatelaplace'
, 然后日志L.m为最大对数似然值。
如果你使用'MPL'
, 然后日志L.m为最终伪似然迭代得到的伪数据的最大对数似然。
如果你使用“REMPL”
, 然后日志L.m为最终伪似然迭代得到的伪数据的最大限制对数似然。
参数是模型中估计的参数总数。对于大多数GLME模型,参数等于数控+P.+ 1,在那里数控是否随机效应协方差中参数的总数,不包括残差方差,和P.是固定效果系数的数量。但是,如果分散参数固定为1.0的二项式或泊松分布,那么参数等于(数控+P.).
这贝叶斯信息标准(BIC)是BIC.= -2 *日志L.m+ ln (Neff)(参数).
日志L.m取决于用来拟合模型的方法。
如果你使用“拉普拉斯”
或'inffimatelaplace'
, 然后日志L.m为最大对数似然值。
如果你使用'MPL'
, 然后日志L.m为最终伪似然迭代得到的伪数据的最大对数似然。
如果你使用“REMPL”
, 然后日志L.m为最终伪似然迭代得到的伪数据的最大限制对数似然。
Neff为有效观测次数。
如果你使用'MPL'
那“拉普拉斯”
,或'inffimatelaplace'
, 然后Neff=N,在那里N为观察次数。
如果你使用“REMPL”
, 然后Neff=N-P..
参数是模型中估计的参数总数。对于大多数GLME模型,参数等于数控+P.+ 1,在那里数控是否随机效应协方差中参数的总数,不包括残差方差,和P.是固定效果系数的数量。但是,如果分散参数固定为1.0的二项式或泊松分布,那么参数等于(数控+P.).
偏差值越低表示匹配越好。随着偏差值的减小,AIC和BIC都有减小的趋势。AIC和BIC还包括基于估计参数数量的惩罚条款,P..因此,当参数数量增加时,AIC和BIC的值也有增加的趋势。在比较不同模型时,AIC或BIC值最低的模型被认为是最佳拟合模型。
适用于使用的型号'MPL'
和“REMPL”
,AIC和BIC基于来自最终伪似然迭代的伪数据的日志似然(或限制日志似然)。因此,使用使用的模型之间的AIC和BIC值的直接比较'MPL'
和“REMPL”
是不合适的。