AIC đã cho từ drop1
liên quan đến toàn bộ mô hình - không phải là một biến, do đó, đầu ra cho bạn biết biến nào cần loại bỏ để mang lại mô hình có AIC thấp nhất. Ví dụ: với bộ dữ liệu tích hợpswiss
lm1 <- lm(Fertility ~ ., data = swiss)
drop1(lm1, test = "F") # So called 'type II' anova
Single term deletions
Model:
Fertility ~ Agriculture + Examination + Education + Catholic +
Infant.Mortality
Df Sum of Sq RSS AIC F value Pr(>F)
<none> 2105.0 190.69
Agriculture 1 307.72 2412.8 195.10 5.9934 0.018727 *
Examination 1 53.03 2158.1 189.86 1.0328 0.315462
Education 1 1162.56 3267.6 209.36 22.6432 2.431e-05 ***
Catholic 1 447.71 2552.8 197.75 8.7200 0.005190 **
Infant.Mortality 1 408.75 2513.8 197.03 7.9612 0.007336 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Ở đây, việc loại bỏ Examination
sẽ mang lại mô hình với AIC thấp nhất
Trên một lưu ý liên quan, mặc dù có thể sử dụng AIC tốt hơn giá trị p, nhưng việc sử dụng bất kỳ thuật toán chọn mô hình tự động nào được coi là thực hành xấu:
Thuật toán để chọn mô hình tự động