对所有子集模型使用 BIC 如何计算 AIC答案

【问题标题】：with BIC for all subset models how to calculate AIC对所有子集模型使用 BIC 如何计算 AIC
【发布时间】：2013-07-12 12:40:09
【问题描述】：

library(leaps)

demand.lm = lm(y ~ X, data = Data) 
X = model.matrix(demand.lm)[, -1]
demand.leaps1 = summary(regsubsets(X, Data$Y,data=Data, nbest = 3))
Subsets <- demand.leaps1$which
RSS <- demand.leaps1$rss
adjr2 <- demand.leaps1$adjr2
cp <- demand.leaps1$cp
bic <- demand.leaps1$bic
Subsets1 <- cbind(as.data.frame(Subsets), RSS=RSS,adjR2=adjr2,cp=cp,BIC=bic)

现在我的 Subset1 数据框有我想要的列，除了 AIC 如何使用所有子集模型的 BIC 获得 AIC

【问题讨论】：

标签： r

【解决方案1】：

如here 所述，您可以相对于 BIC 获取它：

n <- length(Data$Y)
p <- apply(demand.leaps1$which, 1, sum)
aic <- demand.leaps1$bic - log(n) * p + 2 * p

【讨论】：

知道了 - 但对于如何获得高 adjR2、低 AIC 和 cp =p 的正确排序（对于 Subsets1）有点困惑
“排序”是什么意思？