¿Cómo determina JMP el mejor modelo usando AICc en la regresión por pasos?¿Cómo decide JMP qué combinación de variables es el "mejor" modelo usando AICc directo en el módulo de regresión paso a paso? En otras palabras, ¿cómo decide cuándo detenerse y por qué a veces decide que no existe un único modelo "mejor"? He leído que debe haber una diferencia en AICc de 2 o más, de lo contrario, los modelos se consideran equívocos. ¿Es eso lo que JMP está usando también?
Re: Mejor modelo usando AICc en regresión paso a paso<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hola Benjamín,
Solo quería agregar algo con respecto a su pregunta sobre cuándo se detiene el procedimiento Stepwise e identifica el mejor modelo, con AICc como regla de detención. Cuando hace clic en Ir, los ajustes automáticos (¡deberían!) continúan hasta que se encuentra el mejor modelo. El mejor modelo es el que tiene un AICc mínimo al que pueden seguir hasta diez modelos con valores mayores de AICc o BIC, respectivamente. En otras palabras, el procedimiento paso a paso trata de superar los aumentos locales en AICc para hasta diez modelos, antes de decidir terminar.
Parece que esta regla estaba vigente para JMP 11. Entonces, en su ejemplo para PP13B, el valor AICc más pequeño fue para el modelo 1. Luego, los modelos 2 y 3 se ajustaron, pero sus valores AICc fueron mayores que los del modelo 1, por lo que el primer modelo fue seleccionado como el mejor. Si hubiera sido posible, JMP habría seguido ajustando otros ocho modelos y se habría decidido por el modelo 1 si ninguno de ellos tuviera un AICc más pequeño.
Por cierto, esperaba que encajara un cuarto modelo que incluyera Defleshing. Pero eso no sucedió. Me pregunto si Defleshing y Field Dressing podrían ser colineales, ya que tienen los mismos valores de SS.(Cuando se ajustó el modelo 3, paso a paso no se pudo ajustar un modelo 4).
En su ejemplo PP5-6, el modelo definido en el Paso 3 debería haber sido identificado como Mejor.Me pregunto nuevamente si puede haber un problema de colinealidad, lo que provocó que paso a paso no pudiera ajustarse al siguiente modelo.En cualquier caso, ese tercer modelo debería haber sido marcado como Mejor.
Le recomiendo encarecidamente que pruebe todos los modelos posibles con sus datos. El uso de Stepwise en una dirección hacia adelante solo considera modelos a lo largo de una ruta definida por valores p, y esto es solo un subconjunto de los modelos posibles.Por el contrario, Todos los modelos posibles considera todos los modelos, con la limitación de la cantidad de términos que especifique.Con solo cuatro términos, puede ajustar fácilmente todos los modelos, por lo que es posible que todos los modelos posibles le resulten muy útiles.
Todos los modelos posibles es una opción de triángulo rojo en Stepwise. Una vez que se genera el informe Todos los modelos posibles, haga clic con el botón derecho en el cuerpo del informe y seleccione Convertir en tabla de datos.Con la tabla de datos, debe construir un gráfico de Graph Builder de AICc por número (de parámetros).Con este gráfico, puede ver fácilmente la compensación entre un AICc más pequeño y la complejidad del modelo.
Espero que esto sea útil...
María
Re: Mejor modelo usando AICc en regresión paso a pasoHola Ben,
Le pregunté al probador de Stepwise sobre esto, y me dijo que parecía que te habías topado con un error que se solucionó para JMP12. Si desea enviar sus datos, podemos probarlo con JMP12 para ver si realmente tiene ese problema. De lo contrario, puede esperar para probarlo en JMP12 cuando se publique.
Gracias,
Miguel
Re: Mejor modelo usando AICc en regresión paso a pasoHola Michael,
¡Muchas gracias por su respuesta! Estaba familiarizado con la noción de que una diferencia <2 sugería soporte para ambos modelos, pero no estaba familiarizado con el 4-7 o >10. Quería mostrarles una captura de pantalla de lo que estoy hablando. En el primero, JMP pudo encontrar un "mejor" modelo usando un AICc mínimo (las variables son un ejemplo arqueológico en el que estoy trabajando, usando el daño por uso de herramientas experimentales para predecir el uso de herramientas prehistóricas). Puede ver que el modelo con "carnicería + intercepción" es el mejor.
Para este sitio arqueológico, JMP no encontró la "mejor" combinación de daño de herramientas experimentales que se ajuste al sitio:
Puedo ver por qué no encontró el "mejor" del historial de pasos (diferencia <2 del paso anterior), pero cuando encontró el "mejor" modelo en la captura de pantalla anterior, hubo una diferencia <2 en el AICc de los otros dos pasos del modelo... Supongo que solo estoy tratando de averiguar qué significa cuando JMP encuentra un "mejor" versus cuando no lo hace.
Gracias,
ben
Re: Mejor modelo usando AICc en regresión paso a pasoHola,
Cuando se utiliza la regla de parada de AICc mínimo en Stepwise, el "mejor" modelo elegido debe ser el que tenga el valor de AICc más pequeño. No estoy seguro de haberme topado con un ejemplo en el que Stepwise decida que no existe un mejor modelo único.
Sin embargo, la diferencia entre los valores de AICc y el valor mínimo de AICc es importante. De acuerdo con Burnham & Anderson (2002; p. 70-71), una diferencia menor a 2 implica un apoyo empírico sustancial para el modelo con el AICc más alto, una diferencia de 4 a 7 implica un apoyo "considerablemente menor" para el modelo con el AICc más alto. AICc, y una diferencia superior a 10 implica un nivel de apoyo empírico que es "esencialmente ninguno".
Saludos,
Miguel
Burnham y Anderson (2002), Selección de modelos e inferencia multimodelo: un enfoque teórico práctico de la información . Springer, Nueva York.
Enlace al sitio del editor: Selección de modelos e inferencia de modelos múltiples: un enfoque teórico práctico de la información
