Choix dans regression linéaire

[invite6f25a1fe]

Bonjour à tous,

J'obtiens différents modèles par régressions linéaires (varie selon le type et le nombre de paramètres) et j'aimerais faire un choix : choisir le meilleur modèle. J'ai vu qu'il existait un critère, le critère akaike AIC (ou bic c'est un peu pareil), mais il y a quelque chose que je trouve étrange.

Notamment, le critère est défini comme suit :
où SRC correspond à l'écart des erreurs au carré, n aux nombres d'essais et k aux nombres de paramètres (ou coef estimés dans le modèle). Ce que je trouve étrange, c'est que pour moi on ajoute 2 choses différentes. Notamment, le SRC/n dépend de l'erreur, donc de l'ordre de grandeur des sorties du modèle. Pourtant, on le compare à un nombre (lui ne dépendant pas des sorties).

J'aimerais donc avoir des explications sur ce critère si certains l'utilise,
merci d'avance.
-----

[invite6dffde4c]

Bonjour.
Le modèle à choisir est le modèle qui correspond à la nature des données que vous avez. On peut très facilement faire du n'importe quoi en choisissant une méthode mathématique et une statistique qui ne correspond pas au modèle physique.
Donc, posez-vous la question: quelle est la distribution des données dues à leur nature? Quelle est l'origine de la dispersion des données?
Au revoir.