问题标签 [model-comparison]

我有 117 个模型，分别命名为 m1、m2、m3、...、m117。我需要使用 MuMIn 包中的 model.sel 比较他们的 AIC。模型比较的语法是 model.sel(object, ...)，其中 object 是模型列表。因此，我尝试创建一个循环来将所有 117 个模型读入一个列表：

然而，我所拥有的只是

我认为使用我的代码，R 只将字符读入列表，而不是我拥有的对象（模型）。任何帮助表示赞赏。我什至不知道我是否应该首先使用循环。

我有大量的多元丰度数据，并且我有兴趣将适合三个分类预测变量的不同组合的多个模型与我的物种矩阵响应变量进行比较。我一直在使用 anova() 来比较我的不同模型，但我很难解释输出。下面，我给出了我的代码以及相应的 R 输出。

我如何解释这些结果？m2 是否是最佳拟合模型，因为它具有最低的偏差，即使它的 p 值高于 m1？这是因为 p 值表明存在显着偏差，因此最优模型将具有更高的 p 值？任何有关如何解释这些结果的建议都将不胜感激 - 我无法在我的谷歌搜索中找到明确的答案。谢谢！

I combined several data-frames into a data-frame dfc with a fifth column called model specifying which model was used for imputation. I want to plot the distributions by grouping them by model.

dfc looks something like: (1000 rows, 5 columns)

I use the lines below to plot:

giving:

Note that X1 <- dfc$X1 (and likewise)

My questions are:

• How can I add a legend to this plot? (this plot is useless if one can't tell which colour belongs to which model)
• Is there, perhaps, a more visually appealing way to plot this? Using ggplot, perhaps?
• Is there a better way to compare these models? For example, I could plot for each column separately.

我有以下代码返回具有最低 AIC 的模型，但我希望所有模型的 AIC 以升序或降序排列，而不使用 R 中的内置排序函数

我想spfinal.order<-c(p,d,p)成为 AIC 升序或降序的所有模型的列表。我怎样才能做到这一点？

我创建了一个 ARIMA 模型，但我找不到打印 AIC 或 BIC 结果的方法。我需要这些数字进行模型比较。不幸的是，关于 sourceforge 的文档已关闭，在查看 statsmodel github 存储库时我找不到答案。

这是我的代码：

我是 PyMC3 的新手，正在尝试实现 Kruschke (2015) 第 12.2.2 节（模型比较）中的分层模型。

我成功地定义了完整的模型，然后查看了后验参数值的差异（确定差异是否可以可信地说为零）。

我还尝试在模型中明确地进行比较，如书中所示（定义完整模型和受限模型并使用分类分布对它们进行抽样）。

基本上我尝试在 PyMC3 中实现以下 JAGS 模型定义。
http://nbviewer.jupyter.org/github/JWarmenhoven/DBDA-python/blob/master/Notebooks/Chapter%2012.ipynb
但我不知道如何使用模型索引来选择（伪）先验。任何指针？

JAGS：

PyMC3：

输出：

更新
纠正伪先验（缺少括号）后，结果看起来好多了。但是，我不确定 pmc.Beta() 函数是否适用于将数组作为 a 和 b 的参数。 http://nbviewer.jupyter.org/github/JWarmenhoven/DBDA-python/blob/master/Notebooks/Chapter%2012.ipynb

目标是找到最好的模型。我使用逐步回归。但我有一个问题。当我尝试这个时：

出现了一些奇怪的东西。

结果总是相同的模型。只有 AIC 不同。我还尝试了jumps( )函数和regsubsets()，但它也没有显示我想要的结果。我认为问题在于我有一个大矩阵，其中包含许多不同的y基因（y ~ x1 + x2 + x3，data = abc）。我想要这样的结果：

例如，这是具有最低 AIC 的最佳模型。

我怎么才能得到它？

我在计算 AIC 时遇到问题。事实上，我估计了我的 3 个模型的参数：“mod_linear”，这是一个线性模型，“mod_exp”和“mod_logis”是两个非线性模型。

我使用了函数 AIC()：

但我尝试使用公式 AIC=2k+nlog(RSS/n) 计算 AIC，其中 K 是参数的数量，n 是样本数，RSS 是残差平方和。

如您所见，结果不同，其他两个模型的结果相同。有人可以帮助我吗？

问候

我想在一组 360 个观察值中在 ~150 个固定效应和 7 个随机效应变量中执行模型选择。我决定将 Lasso 程序与 glmmLasso 一起用于混合模型。我进行了大量研究，以找到一些可比较模型的示例，但没有成功。这是我的数据示例：

响应变量是计数 (RHI_counts_12)。

我的问题是关于模型中随机效应变量的结构。我有 2 个分类随机效应变量（“站点”和“位置”；“位置”嵌套在“站点”中）和 5 个数值随机效应变量。我已经像这样构建了我的模型（仅使用固定效应变量的样本）：

如果我有这两个分类嵌套随机效应，我根本不相信构建随机效应的正确方法。我想有一个位置嵌套在站点中的模型，我认为这不是我得到的。这是我的随机效果输出（在此输出中，“Loc”代表位置，“siteName”代表站点）：

你认为这是对的吗？我无法使用嵌套在“站点”中的“位置”构建此模型（并且所有其他随机因素也将嵌套在“站点”中。）我尝试了许多不同的方法但没有成功。

我已经非常感谢您阅读我的内容以及对 glmmLasso 中随机效应结构的任何建议！:-)

托马斯

Akaike 信息准则 (AIC) 和预测平方和误差 (PSSE) 是对模型进行排名的信息论和预测能力评估措施。

我试图根据这两个标准对模型进行排名。然而，排名完全相反，这意味着基于 AIC 排名最高的 6 个模型在 PSSE 中排名最低。

在这种情况下，我如何决定哪种措施是最好的。我试图寻找一些文章或研究论文，但不幸的是我找不到太多。任何信息，将不胜感激。

谢谢！