Saltar al contenido
Omnikalc

Calculadora de comparación de modelos con el BIC

Introduce el número de observaciones, así como la suma de los cuadrados de los residuos y el número de parámetros de dos modelos de regresión para obtener su BIC y su AIC, la diferencia y la probabilidad aproximada de cada modelo.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

Diferencia BIC(B) − BIC(A)

5,48

Evidencia positiva a favor del modelo A
BIC del modelo A
105,44
BIC del modelo B
110,92
Probabilidad aproximada del modelo A
93,9 %
AIC del modelo A
97,63
AIC del modelo B
95,29

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.

Preguntas frecuentes

¿Qué es el BIC?

El criterio de información bayesiano es n ln(SCR / n) + k ln n para una regresión con errores normales. El primer término premia el ajuste y el segundo penaliza cada parámetro con ln n. Se prefiere el modelo con el BIC más bajo.

¿Qué fuerza tiene una diferencia?

Una escala habitual dice que una diferencia de 0 a 2 es débil, de 2 a 6 positiva, de 6 a 10 fuerte y por encima de 10 muy fuerte a favor del modelo con el BIC más bajo. La probabilidad mostrada supone probabilidades a priori iguales para los dos modelos.

¿Por qué divergen el BIC y el AIC?

El AIC penaliza cada parámetro con 2, y el BIC con ln n, que es mayor en cuanto n supera 7. El BIC favorece por tanto los modelos más simples, sobre todo con muestras grandes, mientras que el AIC acepta más complejidad para mejorar la predicción.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.