Das BIC (Schwarz´s Bayesianisches Informationskriterium) ist ein Maß der Modellgüte, welches Im Rahmen der logistischen Regression Verwendung findet.

Ähnlich dem AIC korrigiert das BIC für höhere Modellkomplexität. Allerdings ist es dabei etwas konservativer als das AIC, korrigiert also stärker bei einer höheren Anzahl von Prädiktoren.

Es sollte v. a. dann verwendet werden, wenn die Stichprobengröße groß und die Anzahl der Prädiktoren gering ist. Es ist nicht wie das (adjustierte) R2 im Sinne aufgeklärter Varianz interpretierbar, lässt aber ebenfalls den Vergleich zwischen verschiedenen Modellen zu. Ein geringerer Wert beschreibt einen besseren Fit des Modells an die Daten.

 

 

Trag dich hier für Dr. Ortmanns beste Maildizin ein und erhalte regelmässige für deine empirische Promtion

You have Successfully Subscribed!