Question

我无法弄清楚为什么我无法正确计算贝叶斯信息准则，并希望有人能指出我正确的方向。

我这样做是因为我试图手动计算BIC（对于www-data对象，这些对象似乎没有与之关联的既定例程）。我从Wikipedia page中得到了公式，它根据剩余的平方和而不是对数似然给出了BIC的公式。

plm

运行代码很多次，我意识到我获得的BIC和从stats包中获得的BIC之间的差异是不变的，所以我怀疑是我错过了某种缩放因子。是对的吗？提前谢谢。

修改：感谢所有评论。我试图实施这些建议并发布一个答案，但我仍然是一个常数。修改后的代码如下。

y<-rnorm(100)
x<-rnorm(100)
m.test<-lm(y ~ x) 

n<-100 
rss<-sum(m.test$residuals^2) 
k<-3 
bic.mine<-n*log(rss/n)+k*log(n) #formula from wikipedia
bic.stats<-BIC(m.test) #using stats package
abs(bic.mine-bic.stats) #mine is off!

Answer 1

感谢评论者的帮助，以下是答案：

y<-rnorm(100)
x<-rnorm(100)
m<-lm(y ~ x)

要获取BIC或AIC，首先需要关联的对数似然。

计算对数似然需要残差向量，数据中的观测数量和权重向量（如果适用）

res<-m$residuals
n<-nrow(m$model)    
w<-rep(1,n) #not applicable

ll<-0.5 * (sum(log(w)) - n * (log(2 * pi) + 1 - log(n) + log(sum(w * res^2))))
ll-logLik(m)==0 #TRUE

计算BIC或AIC需要ll，并且还需要与对数似然计算相关联的df，其等于原始参数数量估计加1。

k.original<-m$rank
df.ll<-k.original+1 
bic<- -2 * ll + log(n) * df.ll
bic-BIC(m)==0 #TRUE
aic<- -2 * ll + 2 * df.ll
aic-AIC(m)==0 #TRUE

手动为lm对象计算BIC

1 个答案: