Aller au contenu
Omnikalc

Calculateur de comparaison de modèles par le BIC

Saisissez le nombre d’observations ainsi que la somme des carrés des résidus et le nombre de paramètres de deux modèles de régression pour obtenir leur BIC et leur AIC, l’écart et la probabilité approchée de chaque modèle.

Mis à jour le
Vos paramètres

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Résultats

Écart BIC(B) − BIC(A)

5,48

Preuve positive pour le modèle A
BIC du modèle A
105,44
BIC du modèle B
110,92
Probabilité approchée du modèle A
93,9 %
AIC du modèle A
97,63
AIC du modèle B
95,29

Le calculateur de comparaison de modèles par le BIC compare deux modèles de régression avec le critère d’information bayésien, et donne l’AIC, l’écart, la force de la preuve et la probabilité approchée de chaque modèle.

Comment se fait le calcul

  • Saisissez le nombre d’observations.
  • Saisissez la somme des carrés des résidus et le nombre de paramètres de chaque modèle.
  • Le calculateur donne le BIC et l’AIC des deux modèles, l’écart, et la probabilité du modèle A.

Exemple

Avec 100 observations, le modèle A a une somme de carrés de 250 et 3 paramètres, et le modèle B 230 et 6 paramètres. Le BIC est de 105,44 pour A et 110,92 pour B, un écart de 5,48, donc le BIC préfère A avec une probabilité d’environ 93,9 %. L’AIC vaut 97,63 contre 95,29, et préfère B : les critères divergent car le BIC pénalise davantage la complexité.

Pourquoi c’est utile

Le calculateur aide les étudiants, les chercheurs et les analystes qui choisissent entre des régressions emboîtées ou concurrentes et veulent une comparaison rapide à partir des résultats de leur logiciel.

À savoir

Les formules supposent des modèles ajustés par moindres carrés avec des erreurs normales et comparés sur les mêmes données. Le nombre de paramètres doit inclure la constante, et certains logiciels comptent aussi la variance de l’erreur, ce qui décale les deux modèles de la même quantité, donc l’écart n’est pas modifié. Le BIC est une approximation du logarithme d’un facteur de Bayes, valable pour de grands échantillons, et les probabilités sont approximatives. Ne comparez pas des modèles ajustés sur des réponses différentes ou avec un nombre d’observations différent. Les critères ne sont pas des tests : un BIC bas dit qu’un modèle est le meilleur parmi ceux essayés, pas qu’il est correct. Vérifiez aussi les résidus et l’usage prévu.

Outils liés

Le calculateur de régression linéaire ajuste une droite, celui de R carré mesure l’ajustement, celui de facteur de Bayes compare des hypothèses et celui de puissance statistique planifie les tailles d’échantillon.

Questions fréquentes

Qu’est-ce que le BIC ?

Le critère d’information bayésien est n ln(RSS / n) + k ln n pour une régression à erreurs normales. Le premier terme récompense l’ajustement et le second pénalise chaque paramètre de ln n. Le modèle au BIC le plus bas est préféré.

Quelle force a un écart ?

Une échelle courante dit qu’un écart de 0 à 2 est faible, de 2 à 6 positif, de 6 à 10 fort et au-dessus de 10 très fort en faveur du modèle au BIC le plus bas. La probabilité affichée suppose des chances a priori égales pour les deux modèles.

Pourquoi le BIC et l’AIC divergent-ils ?

L’AIC pénalise chaque paramètre de 2, le BIC de ln n, ce qui est plus grand dès que n dépasse 7. Le BIC favorise donc les modèles plus simples, surtout sur de grands échantillons, tandis que l’AIC accepte plus de complexité pour améliorer la prédiction.

Ce calculateur vous a-t-il été utile ?

Merci pour votre avis !

Résultats indicatifs fournis à titre d'information. Ils ne remplacent pas l'avis d'un professionnel.