positive Logwahrscheinlichkeiten und negative AICsMir ist aufgefallen, dass JMP ausnahmslos positive LLs und negative AICs meldet, zum Beispiel "-2LL = -1406,88" oder "AICc = -1451,534". Das ergibt keinen Sinn, oder? LL muss per Definition negativ sein; AIC kann grundsätzlich negativ sein, ist aber bei niedrigen LLs und geringer Parameterzahl meist positiv.
Übersehe ich hier etwas Grundsätzliches?
Vielen Dank!
Betreff: positive Logwahrscheinlichkeiten und negative AICsBitte löschen Sie diesen Beitrag nicht. Diese Diskussion ist auch für andere Benutzer nützlich, die möglicherweise Probleme haben, -2L zu finden.
Betreff: positive Logwahrscheinlichkeiten und negative AICsDas war in JMP 10. Ich denke, es ist bei JMP 14 anders, kann ich überprüfen.
Betreff: positive Logwahrscheinlichkeiten und negative AICsHi,
Können Sie bitte erklären, wo die -2LL gemeldet werden? Ich sehe nur endgültige AICc-Werte auf meiner Seite. Ich bin in JMP 14.
UPDATE: Macht nichts, ich habe es herausgefunden (ich musste ein GLM machen) und jetzt kann ich nicht herausfinden, wie ich diesen Beitrag löschen kann.
Betreff: positive Logwahrscheinlichkeiten und negative AICsEs stammt aus einem MLE-Verfahren. Die Schätzung minimiert -2L.
Ja, Sie können die doppelte Differenz zwischen der logarithmischen Wahrscheinlichkeit unter der Null- und der alternativen Hypothese für einen LRT-Chi-Quadrat-Test verwenden.
Betreff: positive Logwahrscheinlichkeiten und negative AICsAhh, verstanden. Diese LL stammt nicht aus einem ML-Verfahren. Dann meine letzte Frage: Kann ich diese Werte trotzdem in einem Log-Ratio-Test verwenden oder sind sie dafür nicht gut?
Danke für Ihre Hilfe!Betreff: positive Logwahrscheinlichkeiten und negative AICsHier ist die Berechnung von AICc für eine kontinuierliche Antwort:
Der erste Term ist -2L. Wenn Sie also einen kleinen SSE haben (gute Passform), dann kann -2L negativ sein.
Betreff: positive Logwahrscheinlichkeiten und negative AICsVollständiges Modell -LogLikelihood = -1459.5116. Dh LogLikelihood = 1459,5116. >0. Kann nicht sein. Entweder ist das kein LL, oder es ist, aber da ist ein Minus drin, das nicht da sein sollte.
Oder ich verpasse etwas Großes.
Vielen Dank
Betreff: positive Logwahrscheinlichkeiten und negative AICsIch sehe nichts Falsches an diesen Ergebnissen. Wenn Sie sich Sorgen über den negativen AICc machen, passiert das ständig. Hier gibt es wirklich keinen Maßstab. Kleinere AICc schlägt immer ein besseres Modell vor. Ein Modell mit AICc = 1000 ist also besser als ein Modell mit AICc = 1200. Ein Modell mit AICc = -1250 ist besser als ein Modell mit AICc = -1200.
Betreff: positive Logwahrscheinlichkeiten und negative AICsVielen Dank! In dem von Ihnen angegebenen Beispiel ist alles "gut". LL negativ BIC und AIC positiv. Beantwortet also meine Frage nicht ganz. Ich sehe wie
Sollte ich also davon ausgehen, dass dies ein Typ ist (Minus sollte nicht da sein, siehe mit >>>> markierte Zeilen) in einem Bericht wie diesem?
Verallgemeinerte lineare Modellanpassung
Durch Maximum Likelihood geschätzter Überdispersionsparameter
Antwort: O2Cons_ugO2/mgWW
Verteilung: Normal
Link: Identität
Schätzmethode: Maximale Wahrscheinlichkeit
Beobachtungen (oder Sum Wgts) = 369
Regressionsdiagramm
Gesamtmodelltest
>>>>Modell -LogLikelihood LR ChiSquare DF Prob>ChiSq
>>>>Differenz 60,566153 121,1323 1 <.0001
>>>>Voll -1459.5116
>>>>Reduziert -1398,9455
Statistik zur Anpassungsgüte ChiQuadrat-DF-Prob>ChiQuadrat-Überdispersion
Pearson 0,0079 367 1,0000 0,0000
Abweichung 0,0079 367 1,0000
AICc
-2912.958
Wirkungstests
Quelle DF LR ChiQuadrat Prob>ChiQuadrat
Test T 1 121,13231 < 0,0001
Parameterschätzungen
Term Schätzung Std. Fehler LR ChiQuadrat Prob>ChiQuadrat Unteres CL Oberes CL
Schnittpunkt 0,001544 0,0007616 4,0872942 0,0432 0,0000474 0,0030406
AssayT 0,0003546 0,0000296 121,13231 < 0,0001 0,0002964 0,0004127
Studentisiertes Abweichungsresiduum nach Vorhergesagt
Betreff: positive Logwahrscheinlichkeiten und negative AICsSie haben möglicherweise keine Ausnahmen gesehen, aber sie können auftreten. Sie haben Recht, dass die Log-Wahrscheinlichkeit immer negativ ist, da die Wahrscheinlichkeit immer 0 bis 1 beträgt. Ebenso ist -2L immer positiv. AICc kann jedoch negativ oder positiv sein.
Zum Beispiel,
