比较不同类型模型（beta和normal）的AIC
我的回答主要集中在0.6-0.7之间，没有多少接近0或1。我尝试过拟合正常模型和beta模型，正常模型产生的AIC比beta模型低。我使用lm软件包来拟合普通模型，使用betareg来拟合beta模型。 但我想知道是否真的有可能比较不同型号的AIC值？当然，我对两个回归使用了相同的响应变量和相同的数据 注：我试图在这里阅读关于Kullback-Leibler散度的内容：（名称：AIC标准和对称化Kullback-Leibler散度），但被第二页的这句话弄糊涂了：“也假设[12]中的搜索是在包括真实模型在内的参数分布族中进行的。”，其中[12]参考1974年的Akaikes文章。这是否意味着我无法比较beta和正常模型的AIC，因为真实模型不能同时是beta和正常模型？比较不同类型模型（beta和normal）的AIC,r,statistics,model-comparison,R,Statistics,Model Comparison,我的回答主要集中在0.6-0.7之间，没有多少接近0或1。我尝试过拟合正常模型和beta模型，正常模型产生的AIC比beta模型低。我使用lm软件包来拟合普通模型，使用betareg来拟合beta模型。 但我想知道是否真的有可能比较不同型号的AIC值？当然，我对两个回归使用了相同的响应变量和相同的数据 注：我试图在这里阅读关于Kullback-Leibler散度的内容：（名称：AIC标准和对称化Kullback-Leibler散度），但被第二页的这句话弄糊涂了：“也假设[12]中的搜索是在包括真
注2：我尝试对响应进行logit变换，然后拟合正常模型，但这只会使剩余图看起来更糟。我投票迁移到。你找到答案了吗，@Summered？我被同样的问题困住了；编辑：如果我在交叉验证中问这个问题可以吗？当然可以！我问了我的教授，她建议不要这样做，但我得到的印象是，这是因为她也不确定（我没有得到解释）-是否有兴趣了解：）我投票迁移到。你找到答案了吗，@Summered？我被同样的问题困住了；编辑：如果我在交叉验证中问这个问题可以吗？当然可以！我问了我的教授，她建议不要这样做，但我得到的印象是，这是因为她也不确定（我没有得到解释）-是否有兴趣发现：）