최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기응용통계연구 = The Korean journal of applied statistics, v.23 no.6, 2010년, pp.1169 - 1178
This article consider a performance model selection based on AIC under unbalanced deign in linear mixed effect models. Vaida and Balanchard (2005) proposed conditional AIC for model selection in linear mixed effect models when the prediction of random effects is of primary interest. Theoretical prop...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
AIC는 어떻게 구성되는가? | 주어진 자료에 대한 통계적 모형들을 고려할 때 가장 적절한 모형을 선택하기 위한 방법에는 변수선택법(variable selection), 통계적 검정(hypothesis testing), 정보기준(Information Criteria) 등을 이용한 다양한 방법들이 있으며 이들 중 가장 많이 쓰이는 기준으로 Akaike Information Criterion(AIC)이 있다 (Akaike, 1973). AIC는 Kullback-Leibler divergence에 의해 정의되며 통계 모형이 자료를 얼마나 잘 설명하는지에 대한 정도를 나타내는 우도함수의 값과 모형의 복잡한 정도를 나타내는 값의 결합으로 구성된다. 일반적으로 정규분포 가정을 하고 서로 독립인 관측값에 대한 선형모형 y = Xβ + e에서 AIC는 다음과 같이 정의된다. | |
반복측정 자료나 군집 자료에서는 관측값들이 서로 독립이 아니며 또한 동일한 분포를 가지지 않는 경우 단순한 선형모형을 적용할 수 없는데, 선형혼합모형은 이를 어떻게 해결하는가? | 예로 반복측정 자료나 군집 자료에서는 관측값들이 서로 독립이 아니며 또한 동일한 분포를 가지지 않기 때문에 단순한 선형모형을 적용할 수 없다. 이러한 경우 선형혼합모형은 임의효과(random effects)를 이용하여 자료들 간에 다양한 상관관계를 설명할 수 있다. 선형혼합모형하에서의 통계적 추론은 분산분석(ANOVA; Analysis of Variance)의 제곱합을 이용한 적률추정방법에서 시작되었으며 Hartley와 Rao (1967)에 의해 우도함수방법이 제안되면서 다양한 추정 방법과 그 계산법이 개발되어 왔다 (Harville, 1977; Searle 등, 1992; Jiang, 2009). | |
AIC란 무엇인가? | AIC(Akaike Information Criterion)는 Akaike (1973)에 의해 제안된 모형선택의 기준으로서 자료를 생성하는 실제 모형과 자료를 분석하기 위해 고려된 모형의 거리를 나타내는 Kullback-Leibler divergence(K-L divergence)를 반영하는 모형선택의 기준이다. 자료를 생성하는 실제모형을 ft(y)라하고 분석에서 사용된 모형의 집합을 {fψ(y)|ψ ∈ Ψ}라 하면 K-L divergence는 다음과 같이 정의된다. |
Akaike, H. (1973). Information theory and an extension of the maximum likelihood principle, Second International Symposium on Information Theory, 267?281, Akademiai Kiado, Budapest.
Greven, S. and Kneib, T. (2010). On the behavior of marginal and conditional AIC in linear mixed models, Biometrika, 97, 773?789.
Hartley, H. O. and Rao, J. N. K. (1967). Maximum-likelihood estimation for the mixed analysis of variance model, Biometrika, 54, 93?108.
Harville, D. A. (1977). Maximum likelihood approaches to variance component estimation and to related problems, Journal of the American Statistical Association, 72, 320?338.
Jiang, J. (2009). Linear and Generalized Linear Mixed Models and Their Applications, Springer, New York.
Khuri, A. I., Mathew, T. and Sinha, B. K. (1998). Statistical Tests in Mixed linear Models, John Wiley & Sons.
Liang, H., Wu, H. and Zou, G. (2008). A note on conditional AIC for linear mixed-effects models, Biometrika, 95, 773?778.
Searle, S. R., Casella, G. and McCulloch, C. E. (1992). Variance Components, John Wiley & Sons.
Vaida, F. and Blanchard, S. (2005). Conditional Akaike information for mixed-effects models, Biometrika, 92, 351?370.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.