Какие существуют методы оценки качества статистической модели?

Некоторые методы оценки качества статистической модели:

• Графики остатков. en.wikipedia.org Отображают разницу между фактическими данными и прогнозами модели. en.wikipedia.org Корреляции на графиках остатков могут указывать на недостаток модели. en.wikipedia.org
• Перекрёстная проверка. en.wikipedia.org Метод проверки модели, который итеративно переделывает модель, каждый раз оставляя только небольшую выборку и сравнивая, предсказаны ли опущенные выборки моделью. en.wikipedia.org
• Прогностическое моделирование. en.wikipedia.org Используется для сравнения моделируемых данных с фактическими. en.wikipedia.org
• Внешняя проверка. en.wikipedia.org Включает подгонку модели к новым данным. en.wikipedia.org
• Анализ остатков. www.fsight.ru Модель считается качественной, если остатки модели не коррелируют между собой. www.fsight.ru Для проверки остатков на автокорреляцию первого порядка (зависимость текущего значения от предыдущих) используется статистика Дарбина-Уотсона (DW). www.fsight.ru
• Коэффициент детерминации (R2). www.fsight.ru Наиболее распространённая статистика для оценки качества модели. www.fsight.ru R2 принимает значение от 0 до 1 и показывает долю объяснённой дисперсии объясняемого ряда. www.fsight.ru Чем ближе R2 к 1, тем лучше модель, тем меньше доля необъяснённого. www.fsight.ru
• Информационные критерии. loginom.ru Инструменты оценки качества и сравнения статистических моделей, основаны на понятиях теории информации и информационной энтропии. loginom.ru Некоторые из них: информационный критерий Акаике (AIC), байесовский информационный критерий (BIC), информационный критерий Ханнана-Куинна (HQC). loginom.ru

Универсального метода проверки модели не существует. en.wikipedia.org Выбор метода зависит от исследовательского замысла. en.wikipedia.org