Das R2 der Abweichung gibt an, wie viel der Streuung in der Antwortvariablen durch das Modell erklärt wird. Je höher das R2, desto besser ist das Modell an die Daten angepasst. Die Formel lautet wie folgt:
Notation
Begriff
Beschreibung
DE
Error Deviance
DT
Total Deviance
Korrigiertes R2 der Abweichung
Das korrigierte R2 der Abweichung berücksichtigt die Anzahl der Prädiktoren in dem Modell und eignet sich zum Vergleichen von Modellen mit unterschiedlichen Anzahlen von Prädiktoren. Die Formel lautet:
Notation
Begriff
Beschreibung
R2
R2 der Abweichung
p
Freiheitsgrade der Regression
Φ
1, für Binomial- und Poisson-Modelle
DT
Gesamtabweichung
Obwohl die Berechnungen für das korrigierte R2 der Abweichung negative Werte ergeben können, wird in Minitab für derartige Fälle null angezeigt.
Akaike Information Criterion (AIC)
Verwenden Sie diese Statistik, um verschiedene Modelle zu vergleichen. Je kleiner das AIC, desto besser ist das Modell an die Daten angepasst.
Die Log-Likelihood-Funktionen sind in Bezug auf die Mittelwerte parametrisiert. Die allgemeine Form der Funktionen lautet:
Die allgemeine Form der individuellen Beiträge lautet:
Die spezifische Form der individuellen Beiträge hängt vom Modell ab.
Modell
li
Binomial
Poisson
Notation
Begriff
Beschreibung
p
Freiheitsgrade der Regression
Lc
Log-Likelihood des aktuellen Modells
yi
Anzahl der Ereignisse für die i-te Zeile
mi
Anzahl der Versuche für die i-te Zeile
geschätzter Mittelwert der Antwortvariablen für die i-te Zeile
Akaikes korrigiertes Informationskriterium (AICc)
Das AICc wird nicht berechnet, wenn .
Notation
Begriff
Beschreibung
p
Anzahl der Koeffizienten im Modell einschließlich der Konstante
n
Anzahl der Datenzeilen ohne fehlende Daten
Bayessches Informationskriterium (BIC)
Notation
Begriff
Beschreibung
p
Anzahl der Koeffizienten im Modell, wobei die Konstante nicht gezählt wird
.
