La calculadora de comparación de modelos con el BIC compara dos modelos de regresión con el criterio de información bayesiano, y da el AIC, la diferencia, la fuerza de la evidencia y la probabilidad aproximada de cada modelo.
Cómo se hace el cálculo
- Introduce el número de observaciones.
- Introduce la suma de los cuadrados de los residuos y el número de parámetros de cada modelo.
- La calculadora da el BIC y el AIC de los dos modelos, la diferencia, y la probabilidad del modelo A.
Ejemplo
Con 100 observaciones, el modelo A tiene una suma de cuadrados de 250 y 3 parámetros, y el modelo B 230 y 6 parámetros. El BIC es de 105,44 para A y 110,92 para B, una diferencia de 5,48, por lo que el BIC prefiere A con una probabilidad de aproximadamente 93,9 %. El AIC vale 97,63 frente a 95,29, y prefiere B: los criterios divergen porque el BIC penaliza más la complejidad.
Por qué es útil
La calculadora ayuda a estudiantes, investigadores y analistas que eligen entre regresiones anidadas o competidoras y quieren una comparación rápida a partir de los resultados de su programa. Es un contenido habitual en las asignaturas de econometría y de modelos de regresión de los grados de Economía, Estadística y Ciencias.
Conviene saber
Las fórmulas suponen modelos ajustados por mínimos cuadrados con errores normales y comparados con los mismos datos. El número de parámetros debe incluir la constante, y algunos programas cuentan también la varianza del error, lo que desplaza los dos modelos en la misma cantidad, por lo que la diferencia no se modifica. El BIC es una aproximación del logaritmo de un factor de Bayes, válida para muestras grandes, y las probabilidades son aproximadas. No compares modelos ajustados con respuestas distintas o con un número de observaciones diferente. Los criterios no son pruebas: un BIC bajo dice que un modelo es el mejor de los probados, no que sea correcto. Comprueba también los residuos y el uso previsto.
Herramientas relacionadas
La calculadora de regresión lineal ajusta una recta, la de R cuadrado mide el ajuste, la del factor de Bayes compara hipótesis y la de potencia estadística planifica los tamaños de muestra.