モデル平均化

「モデルのあてはめ」プラットフォームの［ステップワイズ法］手法で、［モデル平均化］オプションを使用すると、複数のモデルを1つのモデルにまとめられます。モデル平均化を行ったほうが、予測精度が高いモデルが得られる傾向があります。オーバーフィットを防ぎたい場合にモデル平均化は有用です。モデルのパラメータ数が多くなると、パラメータ推定値を過大に見積もってしまう傾向があります。モデル平均化は、重要度の低い項の推定値を縮小（shrink; 収縮）させ、モデルの予測精度を上げる効果があります。モデルは、次式で算出される各モデルのAICc重み（AICcWeight）に従って平均化されます。

AICcBestは、あてはめたモデルの中で最小のAICc値です。各モデルについて算出されたAICc重みは、合計が1になるように尺度化されます。そして、それらの尺度化されたAICc重みが、1から「AICc重み累積和の閾値」を引いた値に達しないモデルに対しては、AICc重みがゼロに設定されます。つまり、AICc重みが小さいモデルは、モデル平均化の計算から除外されます。平均化されたモデルのパラメータ推定値は、AICc重みがゼロに設定されなかったモデルにおけるパラメータ推定値の重み付き平均です。同様に、それらの標準誤差にも重みが反映されます。AICc重みは、各推定値の標準誤差の2乗の重み付き平均を計算するために使用されます。「モデル平均化」レポートでは、その推定値の平方根が標準誤差として表示されます。

詳細については、［モデル平均化］オプションの例を参照してください。