模型选择准则 发表评论(0) 编辑词条

可以区分为样本内预测和样本外预测，样本内预测是看所选择的模型在给定样本中与数据拟合的如何，样本外预测是考虑一个模型对回归未来值的预测。

有几个准则利于这一目的，具体而言有：

1：R^2，拟合优度,越大越好

2:调整R^2，拟合优度， 越大越好
3：赤池信息准则（AIC）:对增加更多回归元施加了更加严厉的惩罚，在比较模型时，以最低值的模型优先

4：施瓦茨信息准则（SIC)：SIC施加的惩罚比AIC更严厉，值越低越好

5：马娄斯的Cp准则：越小越好，值约为p的

6：预测卡方值