verosimilitudes positivas y AIC negativasNoté que JMP invariablemente informa LL positivos y AIC negativos, por ejemplo "-2LL = -1406.88" o "AICc = -1451.534". Esto no tiene sentido, ¿verdad? LL debe ser negativo por definición; En principio, el AIC puede ser negativo, pero con un LL bajo y un número bajo de parámetros, generalmente es positivo.
¿Me estoy perdiendo algo fundamental aquí?
¡Gracias!
Re: verosimilitudes positivas y AIC negativasEs posible que no haya visto excepciones, pero pueden suceder. Tiene razón en que la probabilidad logarítmica siempre es negativa porque la probabilidad es siempre 0 a 1. Del mismo modo, el -2L siempre es positivo. AICc, sin embargo, puede ser negativo o positivo.
Por ejemplo,
Re: verosimilitudes positivas y AIC negativas¡Gracias! En el ejemplo que das todo es "bueno". LL negativo BIC y AIC positivo. Por lo tanto, no responde a mi pregunta. Veo como
Entonces, ¿debo suponer que este es un tipo (menos no debería estar allí, ver líneas marcadas con >>>>) en un informe como este?
Ajuste de modelo lineal generalizado
Parámetro de sobredispersión estimado por máxima verosimilitud
Respuesta: O2Cons_ugO2 / mgWW
Distribución: normal
Enlace: Identidad
Método de estimación: máxima verosimilitud
Observaciones (o Sum Wgts) = 369
Trama de regresión
Prueba de modelo completo
>>>> Modelo -LogLikelihood LR ChiSquare DF Prob> ChiSq
>>>> Diferencia 60.566153 121.1323 1 <.0001
>>>> Completo -1459.5116
>>>> Reducido -1398.9455
Estadística de bondad de ajuste ChiSquare DF Prob> ChiSq Overdispersion
Pearson 0.0079 367 1.0000 0.0000
Desviación 0.0079 367 1.0000
AICc
-2912.958
Pruebas de efecto
Fuente DF LR ChiSquare Prob> ChiSq
ensayo 1 121.13231 <.0001
Parámetros estimados
Término Estimación Error estándar LR ChiSquare Prob> ChiSq CL inferior CL superior
Intercepción 0.001544 0.0007616 4.0872942 0.0432 0.0000474 0.0030406
ensayo T 0.0003546 0.0000296 121.13231 <.0001 0.0002964 0.0004127
Desviación estudiantil residual por pronosticado
Re: verosimilitudes positivas y AIC negativasNo veo nada malo con estos resultados. Si le preocupa el AICc negativo, eso sucede todo el tiempo. Realmente no hay ninguna escala aquí. AICc más pequeño siempre sugiere un mejor modelo. Entonces, un modelo con AICc = 1000 es mejor que un modelo con AICc = 1200. Un modelo con AICc = -1250 es mejor que un modelo con AICc = -1200.
Re: verosimilitudes positivas y AIC negativas Modelo completo -LogLikelihood = -1459.5116. Es decir LogLikelihood = 1459.5116. > 0. No puede ser. O esto no es LL, o lo es, pero hay un signo negativo allí que no debería estar allí.
O me estoy perdiendo algo grande.
Gracias
Re: verosimilitudes positivas y AIC negativasAquí está el cálculo de AICc para una respuesta continua:
El primer término es -2L. Entonces, si tiene un SSE pequeño (un buen ajuste), -2L puede ser negativo.
Re: verosimilitudes positivas y AIC negativasAhh, lo tengo. Este LL no es de un procedimiento de ML. Entonces mi última pregunta: ¿puedo seguir utilizando estos valores en una prueba de log-ratio o no son buenos para eso?
¡Gracias por tu ayuda!Re: verosimilitudes positivas y AIC negativasEs de un procedimiento MLE. La estimación minimiza -2L.
Sí, puede usar el doble de diferencia entre la probabilidad logarítmica bajo la hipótesis nula y alternativa para una prueba de chi cuadrado LRT.
Re: verosimilitudes positivas y AIC negativasHola,
¿Puede explicar dónde se informan los -2LL? Solo estoy viendo los valores finales de AICc en mi extremo. Estoy en JMP 14.
ACTUALIZACIÓN: No importa, lo descubrí (necesitaba hacer un GLM) y ahora no puedo entender cómo eliminar esta publicación.
Re: verosimilitudes positivas y AIC negativasEsto fue en JMP 10. Creo que es diferente en JMP 14, puede verificar.
Re: verosimilitudes positivas y AIC negativasPor favor no elimines esta publicación. Esta discusión también es útil para otros usuarios que podrían tener problemas para encontrar -2L.
