Critère d’information de Akaike
Glossaries
Term | Definition |
---|---|
Critère d’information de Akaike | ♦ Quand de nombreux modèles doivent être comparés entre eux, le risque de rejeter l’hypothèse nulle alors qu’elle est vraie augmente substantiellement. AIC = −2 log eL + 2k où • eL est la vraisemblance maximisée L’AIC représente un compromis entre le biais (qui diminue avec le nombre de paramètres) et la parcimonie (nécessité de décrire les données avec le plus petit nombre de paramètres possible). Le critère d’information d’Akaike corrigé, AICc, est défini par : AICc = AIC + 2k (k + 1) / n - k - 1 où • n est le nombre d’observations > Le critère AIC s’applique aux modèles estimés par une méthode du maximum de vraisemblance : les analyses de variance, les régressions linéaires multiples, les régressions logistiques et de Poisson peuvent rentrer dans ce cadre. L’utilisation de l’AIC est en premier lieu pour un objectif de prédiction et non de décision vis-à-vis de la signification statistique des paramètres retenus dans le modèle. |