Journal of Statistical Computation and Simulation· 2026Q2
Karma etkili modeller için koşullu Akaike bilgi değerlendirmesi üzerine birleştirici bir teori
A unifying theory for the evaluation of conditional Akaike information for mixed-effects models
- 3atıf
- Q2SCImago
- 2026yıl
Kısa özet
Karma etkili modeller için koşullu Akaike bilgisi (cAI) değerlendirmesi için iki yeni yöntem önerilmiştir; Yöntem 2, çeşitli veri dağılımlarında tutarlı performans göstermektedir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Karma etkili modellerde koşullu Akaike bilgisi (cAI) değerlendirmesi için iki yöntem önerilmiştir.
- Yöntem 1 sürekli veriler içindir ve tahmincilerin türevlerini gerektirir.
- Yöntem 2, rastgele etkileri çok değişkenli normal olarak modeller ve her veri türü için çalışır.
- Yöntem 2, normal, gama, negatif binom ve Tweedie dağılımlarında tutarlı performans sergilemiştir.
- Bir vaka çalışması, geleneksel AIC ve önerilen cAI arasındaki model seçimi farklılıklarını vurgulamaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
We propose two methods to evaluate the conditional Akaike information (cAI) for mixed-effects models with no restriction on cluster size. Method 1 is designed for continuous data and includes formulae for the derivatives of fixed and random effects estimators with respect to observations. Method 2, compatible with any type of observation, requires modeling the marginal (or prior) distribution of random effects as a multivariate normal distribution. Simulations show that Method 1 performs well with Gaussian data but struggles with skewed continuous distributions, whereas Method 2 consistently performs well across various distributions, including normal, gamma, negative binomial, and Tweedie, with flexible link functions. A case study demonstrates the differences in model selection for real-world data between the conventional AIC and the conditional AIC. Based on our findings, we recommend Method 2 as a distributionally robust cAI criterion for model selection in mixed-effects models.
Yazarların özeti; kaynağından alınmıştır. Journal of Statistical Computation and Simulation, 2026 · DOI ↗
Devamı Pofolia uygulamasında
Çıkarımlar ve makaleye soru sorma; ilgi alanına göre her gün yeni özetler. Ücretsiz.
Web'de giriş yaparak açAlan: İstatistik ve Olasılık
Statistics and ProbabilityMathematics