모형 비교 보고서

곡선 적합 플랫폼의 "모형 비교" 보고서에는 여러 모형을 비교하는 데 사용되는 적합 통계량이 표시됩니다.

그림 14.8 모형 비교 보고서 

AICc

두 개 이상의 모형을 비교하는 데 사용할 수 있는 추정된 통계 모형의 적합도를 나타내는 측도를 제공합니다. AICc는 작은 표본에 맞게 AIC를 수정한 것입니다. AICc는 데이터 점 수가 모수 수보다 두 개 이상 많은 경우에만 계산할 수 있습니다. AICc 값이 가장 낮은 모형이 최적 모형이며 Figure 14.8에서는 로지스틱 4P 모형입니다. 자세한 내용은 가능도, AICc 및 BIC의 선형 모형 적합에서 확인하십시오.

AICc 가중치

합계가 1이 되는 정규화된 AICc 값을 제공합니다. AICc 가중치는 적합 모형 중 하나가 true일 때 특정 모형이 true 모형일 확률로 해석할 수 있습니다. 따라서 AICc 가중치가 1에 가장 가까운 모형이 최량 적합 모형입니다. Figure 14.8에서는 로지스틱 4P 모형이 확실히 더 나은 적합입니다. AICc 가중치는 비결측 AICc 값만 사용해서 계산됩니다.

AICcWeight = exp[-0.5(AICc-min(AICc))] / sum(exp[-0.5(AICc-min(AICc))])

여기서 min(AICc)는 적합 모형 중 가장 작은 AICc 값입니다. AICc 가중치 열은 내림차순으로 정렬됩니다.

BIC

여러 모형을 비교할 때 유용한 모형 적합 측도를 제공합니다(가능도 함수를 기반으로 함). BIC 값이 낮은 모형이 더 나은 적합입니다. 자세한 내용은 가능도, AICc 및 BIC의 선형 모형 적합에서 확인하십시오.

SSE

각 관측값과 예측값 간의 차이에 대한 제곱합입니다.

MSE

각 값의 오차 제곱 평균을 제공합니다.

RMSE

랜덤 오차의 표준편차를 추정하는 MSE의 제곱근입니다.

R²

랜덤 오차가 아니라 모형에 기인할 수 있는 반응의 변동 비율을 추정합니다. R² 값이 1에 가장 가까운 모형이 더 나은 적합입니다.

모형 비교 플랫폼에서는 잔차와 실제값 그림과 같은 추가 옵션을 제공합니다. 자세한 내용은 모형 비교에서 확인하십시오.