AIC vs Teste de significância
Olá pessoal, Fiz uma análise de escolha de modelos mistos (geoestatísticos) me baseando no valor de AIC. Fui questionado em uma revisão se eu deveria usar a significância dos parâmetros em conjunto com o AIC. Acredito que as duas coisas não batem, ou seja, um modelo com AIC menor (melhor modelo pelo AIC) às vezes tem parâmetros que sejam insignificantes e um modelo com AIC maior pode ter todos os parâmetros significativos (melhor modelo por teste de significância). Então minha pergunta é porque deve usar o AIC ao invés de testes de significância e qual a vantagem? Tem alguma explicação da estatística teórica nisso? Não é minha praia e acabo ficando com muitas dúvidas. Abraços -- *Wagner Wolff, **PhD* "*Luiz de Queiroz**" College of Agriculture,* University of São Paulo Pádua Dias avenue11 | 13418-900| Piracicaba-SP| Brazil Phone: +55 19 982385582 <+55%2019%2098238-5582> http://orcid.org/0000-0003-3426-308X https://github.com/wwolff7 http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4463141A1 ᐧ
Encaro como preferência pessoal ou falta de especificação mais detalhada de critério de seleção. 1. Vou ficar com o modelo que der o menor AIC. É um critério de informação. Mesmo que hajam parâmetros não significativos, a remoção deles do modelo ou ajustar um modelo menor que seja encaixado, prejudica/viola outras coisas (interpretação, predição, etc). 2. Vou adotar a abordagem de ter o modelo mais parcimonioso, ajustando o modelo encaixado conforme indicado pelo teste de hipótese sobre os parâmetros. Muitas vezes o teste aplicado é assintótico e a não rejeição da hipótese nula decorre que propriedades do teste em pequenas amostras. A gente percebe isso quando compara um teste de Wald contra o de razão de verossimilhanças. Os resultados podem ser bem diferentes para parâmetros da estrutura de covariância (como variância e correlações). À disposição. Walmes.
participantes (2)
-
Wagner Wolff -
Walmes Zeviani