定義
BIC = -2l +log(n)d
(l: ログ尤度の最大値、n:オブザベーション数、 d：推定される自由パラメータの数）
AICよりもBICの方が、パラメータ数の数に対して強いペナルティを課している。
数学的には、同一の事前確立を持つ２つのモデルの各モデルのベイズ因子のログの近似値である。(approximation for comparing two models with equal prior probability on each model)
BICの評価
Kass & Rafteryは、ΔBICi = BICi – min(BIC)、（但しBICiはi番目のモデルのBIC、min(BIC)はモデルの候補の中で最小のBIC値とする）とする時、以下の評価基準を提唱している。
ΔBICi > 10の場合 → i番目のモデルを放棄する強い根拠となる
0<ΔBICi<2の場合 → i番目のモデルを採用する根拠となりうる
コメント