Andressa, O melhor critério que se pode usar até hoje é de empregar o modelo que possa descrever de maneira mais acurada possível o fenômeno que você está estudando.
Métodos "automáticos" podem descartar variáveis que por terem na sua amostra valores "constantes ou com pouca variação" pareçam não influir na sua VD, enquanto alguma medida ou observação com mais ruído pode ser considerada "influente" da mesma forma erroneamente. Se o tipo de modelagem a fazer é tal que o fenômeno ainda não pode ser modelado estruturalmente então faça as regressões com uma parte dos dados e reserve uma quantidade (digamos 10% a 20% das amostras) para testar a capacidade preditiva do modelo (alguns reconhecerão esta estratégia como "treino" e "teste" do modelo). HTH 2016-01-04 16:25 GMT-02:00 Andressa Siroky <[email protected]>: > Boa tarde! > > Quais critérios de seleção são adequados quando os modelos não são > encaixados? Vi que AIC e BIC não são. > > Obg > > Andressa Siroky > > > _______________________________________________ > R-br mailing list > [email protected] > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça > código mínimo reproduzível. >
_______________________________________________ R-br mailing list [email protected] https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forne�a c�digo m�nimo reproduz�vel.
