Christopher Gotwalt，JMP 首席數據科學家
JMP 和 JMP Pro 比任何統計軟件都更多地利用模型選擇標準，例如 AICc 和 BIC。 這些工具可供所有行業和所有技能水平的從業者使用，從選擇能力分析分佈的用戶，到在線性混合模型或函數 DOE 分析中選擇輸入因子的高級用戶。 模型選擇標準非常靈活和強大，而且可以輕鬆地同時在非常不同的預測變量集、響應分佈甚至相關結構之間做出決定。
不幸的是，如何以及何時使用這些標準的完整故事並不是大學和專業培訓中大多數標準數據科學課程的一部分。 造成這一遺漏的原因之一是，與 JMP 不同，許多軟件包以不完整或可能不正確的方式實現模型選擇標準，從而無法將模型與不同的輸入變量進行比較。
在本演示中，我們就如何以及何時使用模型選擇標準提供了明確的指導。 我們描述他們的動機和他們需要的假設。 我們將模型選擇標準與其他更知名的模型選擇方法進行比較，例如假設檢驗和基於保留的交叉驗證程序。 我們還簡要介紹了 JMP 統計研發開發人員在尋求配電疏浚問題的通用解決方案時如何認識到這些工具的有用性。
