模型平均

在“拟合模型”平台的“逐步”特质中，“模型平均”选项将多个模型组合为一个模型。生成的加权平均模型的预测能力将优于每一个单个模型。“模型平均”选项有助于避免模型过度拟合数据。将很多项选入模型时，拟合往往会增大参数估计值。模型平均往往收缩较弱项的估计值，这会得到更好的预测。根据每个模型的 AICc 权重来平均各个模型，其计算如下所示：

“AICc 最佳”值是拟合模型中最小的 AICc 值。为每个模型计算 AICc 权重值，再统一尺度使总和为 1。小于 1 减去指定的累积 AICc 权重截止值的统一尺度的 AICc 权重值被设置为零。该操作可避免在平均模型中使用弱模型。平均模型的参数是具有非零 AICc 权重值的各模型的参数估计值的加权平均值。同样，报告的标准误差也是加权值。AICc 权重用于计算各估计值的平方标准误差的加权平均值。该估计值的平方根即为“模型平均”报表中的“标准误差”。

请参见“模型平均”选项的示例。