一般化線形モデルでは、データに対するモデルの適合度の評価に役立ついくつかの評価尺度が計算されます。これらの評価尺度は、モデルペインの上部にあります。利用可能なすべての評価尺度を表示するには、現在表示されている評価尺度をクリックします。利用可能な評価尺度は、次のとおりです。
-2 Log Likelihood
尤度関数では、想定し得るすべてのパラメータ値を使用したサンプルの観測値の確率が推定されます。対数尤度は、文字通り尤度関数の対数です。この値は対数尤度の-2倍です。小さな値ほど、望ましい値です。
AIC
赤池情報量規準。小さな値であるほど、良いモデルであることを示しています。AIC値は、2つのモデルにほとんど同じ数のオブザベーションがある場合にのみ比較する必要があります。AIC値は、負の値になることがあります。AICは、応答変数の真の分布とモデルで指定された分布との間の差異のKullback-Leibler情報量尺度に基づいて導出されます。
AICC
補正赤池情報量規準。AICのこのバージョンでは、比較的小さなサンプルサイズを説明するために値を調整します。その結果、追加の効果により、AICCにはAICより大きなペナルティ(罰則)が課されます。サンプルサイズが大きくなるに従い、AICCとAICが収束します。
BIC
ベイズ情報量規準(BIC)は、シュワルツのベイズ規準(SBC)とも呼ばれ、モデルの残差平方和と効果の数の増加関数です。応答変数の説明されないばらつきと効果の数によってBICの値は増加します。このため、BICが低いほど、説明変数が少ないか、適合度が高い、あるいはその両方を示しています。BICでは、自由度のパラメータに対してAICより大きなペナルティが課されます。