在导致标准错误的同时减少AIC

时间:2011-05-09 08:12:35

标签: validation statistics model-comparison

我在选择正确的模型时遇到了问题。我有一个带有各种变量的模型(covariables和dummyvariables)。我试图找到最好的模型,所以我首先开始与AIC合作模型。从而接着,当允许所有变量保留在模型中时(达到所有变量与所有虚拟交互),达到了最小AIC。当我计算模型的摘要时,所有效果绝对不重要且它的标准。错误很高。当将“最佳”(在AIC上)模型与具有任何交互的较小模型进行比较时,我有点困惑。较小的模型具有较小的标准误差和良好的p值......但是与大型模型相比,AIC更高。可能是什么问题? Overspecification?

我真的需要帮助,因为我完全不知道如何处理这个问题!

非常感谢

1 个答案:

答案 0 :(得分:0)

我建议你也计算AICc并将结果与​​AIC进行比较。 这可能会有所帮助:http://en.wikipedia.org/wiki/Akaike_information_criterion

此致