“模型比较”报表

“拟合曲线”平台中的“模型比较”报表显示用于比较多个模型的拟合统计量。

图 14.8 “模型比较”报表 

AICc

用于比较两个或多个统计模型的拟合优度测度。AICc 是针对小样本而调整的 AIC。仅当数据点数至少比参数个数多 2 个时，才可以计算 AICc。AICc 值最低的模型是最佳模型，在本例中是“四参数 Logistic”模型最佳。请参见《拟合线性模型》中的“似然、AICc 和 BIC”。

AICc 权重

提供加总为 1 的标准化 AICc 值。AICc 权重可解释为在其中的一个拟合模型成立的前提下，特定模型为真实模型的概率。因此，AICc 权重最接近 1 的模型是最佳拟合。在本例中，很明显“四参数 Logistic”模型是更好的拟合。仅使用非缺失 AICc 值计算 AICc 权重：

AICc 权重 = exp[-0.5(AICc-min(AICc))] / sum(exp[-0.5(AICc-min(AICc))])

其中，min(AICc) 是拟合模型中的最小 AICc 值。“AICc 权重”列是按照递减顺序排列的。

BIC

基于模型拟合的似然函数的测度，用于比较不同的拟合模型。模型的 BIC 值越低表明拟合的越好。请参见《拟合线性模型》中的“似然、AICc 和 BIC”。

误差平方和

每个观测与其预测值之间差值的平方和。

均方误差

提供每个值的误差平方的平均值。

RMSE

MSE（均方误差）的平方根，用于估计随机误差的标准差。

R 方

估计由模型而非随机误差解释的响应变量的变异的比例。R 方值越接近于 1，模型的拟合越好。

“模型比较”平台还提供其他选项，如标绘残差和实际值。请参见“模型比较”。