stepAIC - Sélection de modèles

Bonjour,

Je cherche à construire un modèle statistique pour étudier mes données. Pour cela j'ai procédé en partant d'un modèle saturé et également en partant d'un modèle avec uniquement l'intercept. Voici le script utilisé:

Code:

a=read.table("Mean_2012_2013.txt",h=T)
a$annee=as.factor(a$annee)
a$mois=as.factor(a$mois)

model.sature=lm(TairMean~latitude*mois*annee,data=na.omit(a))
st.sat=stepAIC(model.sature,scope=(lower=~ 1))
model.cst=lm(TairMean~1,data=na.omit(a))
st.cst=stepAIC(model.cst,scope=(upper=~latitude*mois*annee))

En partant du modèle saturé, voici le modèle sélectionné:

Code:

mod1=lm(TairMean~latitude*mois*annee, data=a)

Et en partant du modèle avec uniquement l'intercept:

Code:

mod2=lm(TairMean ~ latitude + mois + latitude:mois, data=a)

Afin de pouvoir faire un choix entre ces deux modèles, j'utilise la fonction AIC du package MASS comme suit:

Code:

> AIC(mod1,mod2)
     df      AIC
mod1 17 4815.705
mod2  9 4875.303

Ainsi, sur la base de l'AIC, mon choix se porterait sur mod1 dont l'AIC est plus faible. Cependant, la différence est faible et l'on passe de 9 à 17 df en sélectionnant mod1. J'aurais donc finalement tendance à opter pour mod2.

J'aimerais avoir votre avis sur cette question! Merci pour vos lumières

Bonjour,

Si tu as un doute quant au nombre de paramètre tu peux aussi calculer le BIC qui est plus pénalisant sur le nombre de paramètre.
La différence n'est pas faible car il faut rappeler que les critères d'information sont sur une échelle log...
Dans Burnham & Anderson (2002), ils considère comme intéressante toute différence d'AIC qui est >2.


Nik

Merci pour cette référence! Je vais regarder ce papier!