Le R2 de la somme des carrés d'écart indique la part de variation de la réponse expliquée par le modèle. Plus la valeur de R2 est grande, plus le modèle est ajusté aux données. La formule estla suivante :
Notation
Terme
Description
DE
Error Deviance
DT
Total Deviance
R2 ajusté de la somme des carrés d'écart
Le R2 ajusté de la somme des carrés d'écart rend compte du nombre de prédicteurs du modèle et est utile pour comparer des modèles avec un nombre de prédicteurs différents. La formule est la suivante :
Notation
Terme
Description
R2
R2 de la somme des carrés d'écart
p
degrés de liberté de la régression
Φ
1, pour le modèle binomial et le modèle de Poisson
DT
somme des carrés d'écart totale
Même si les calculs pour le R2 ajusté de la somme des carrés d'écart peuvent engendrer des valeurs négatives, Minitab affiche zéro.
Critère d'information d'Akaike (AIC)
Utilisez cette statistique pour comparer deux modèles différents. Plus l'AIC est petit, plus le modèle est adapté aux données.
Les fonctions de log de vraisemblance sont paramétrées dans les termes des moyennes. La forme générale des fonctions est la suivante :
La forme générale des contributions individuelles est la suivante :
La forme spécifique des contributions individuelles dépend du modèle.
Modèle
li
Binomiale
Poisson
Notation
Terme
Description
p
degrés de liberté de la régression
Lc
log de vraisemblance du modèle actuel
yi
nombre d'événements pour la ie ligne
mi
nombre d'essais pour la ie ligne
réponse moyenne estimée de la ie ligne
AICc (critère d'information d'Akaike corrigé)
La valeur AICc n'est pas calculée quand .
Notation
Terme
Description
p
nombre de coefficients dans le modèle, constante incluse
n
nombre de lignes de données où aucune donnée n'est manquante
BIC (critère d'information bayésien)
Notation
Terme
Description
p
nombre de coefficients dans le modèle, constante non incluse
n
nombre de lignes de données où aucune donnée n'est manquante