도구스학업·수학

AIC·BIC 모델 선택 계산기

두 회귀·통계 모형의 매개변수 개수와 로그우도(또는 잔차제곱합)를 넣으면 AIC·BIC를 계산해 어느 모형이 더 나은지 비교합니다.

모형 A

보통 음수입니다

모형 B

보통 음수입니다

AIC 기준 선호 모형

모형 B

ΔAIC = 6 · 지지가 약해지는 구간입니다

모형 A · AIC244
모형 B · AIC238
모형 A · BIC247.824
모형 B · BIC247.56
ΔAIC6
ΔBIC0.264
BIC 기준 선호 모형모형 B
AIC = 2k − 2ln(L), BIC = k·ln(n) − 2ln(L) — 값이 작을수록 선호되는 모형입니다. ΔAIC 해석 구간(2 이하 비등, 10 이상 지지 없음)은 Burnham & Anderson(2004)의 경험적 관행이며 통계적 유의성 검정이 아닙니다. 같은 데이터로 적합한 모형끼리만 비교할 수 있습니다.

계산 방법

  1. 1로그우도를 알면 "로그우도 직접입력"을, 회귀모형의 잔차제곱합(RSS)만 있으면 "RSS 기반"을 고릅니다.
  2. 2표본크기(n)와 두 모형 각각의 매개변수 개수를 입력합니다.
  3. 3AIC·BIC 값과 ΔAIC 해석, 어느 모형이 선호되는지 확인합니다.

자주 묻는 질문

AIC = 2k − 2ln(L), BIC = k·ln(n) − 2ln(L)입니다. k는 매개변수 개수, n은 표본크기, L은 최대우도입니다. 두 값 모두 작을수록 더 선호되는 모형입니다.

BIC는 매개변수 하나를 늘리는 데 ln(n)만큼의 벌점을 매기는 반면 AIC는 항상 2만큼만 매깁니다. n이 8 이상이면 ln(n) > 2이므로, 표본이 클수록 BIC가 AIC보다 더 단순한(매개변수가 적은) 모형을 선호하는 경향이 있습니다.

오차가 정규분포를 따른다고 가정하면 ln(L) = −n/2·ln(2π) − n/2·ln(RSS/n) − n/2로 로그우도를 추정할 수 있습니다. "RSS 기반" 모드가 이 계산을 대신 해 줍니다. 다만 이 가정이 맞지 않는 모형(예: 로지스틱 회귀)에는 쓸 수 없습니다.

Burnham & Anderson(2004)의 경험적 관행에 따라 ΔAIC가 2 이하면 두 모형이 비등하고, 10 이상이면 AIC가 더 큰 모형은 사실상 지지되지 않는다고 봅니다. 2~10 사이는 지지가 점차 약해지는 구간으로, 통계적 유의성 검정이 아니라 실무 관행임을 유의하세요.

전송되지 않습니다. 모든 계산은 브라우저 안에서 이뤄집니다.

알아두면 좋은 점

  • 공식 출처: Akaike(1974, IEEE Trans. Automatic Control)의 AIC, Schwarz(1978, Annals of Statistics)의 BIC.
  • RSS 기반 로그우도 추정은 정규분포 오차를 가정한 회귀모형에만 유효합니다. 로지스틱 회귀 등 다른 모형은 로그우도를 직접 입력하세요.
  • AIC·BIC는 같은 데이터로 적합한 모형끼리만 비교할 수 있습니다. 종속변수를 변환했거나 표본이 다르면 비교가 무의미합니다.

함께 보면 좋은 도구

다중선형회귀독립변수가 여러 개인 자료(x₁, x₂, …)에 y = β₀ + β₁x₁ + β₂x₂ + …를 최소제곱으로 맞춰 각 변수의 계수·R²·조정된 R²를 구합니다.로지스틱 회귀1차원 특징과 0/1 라벨에 시그모이드를 씌운 로지스틱 회귀를 경사하강법으로 맞춥니다.상관계수·회귀두 변수의 피어슨 상관계수와 회귀직선을 구하고 점 그림으로 함께 보여줍니다.죄수와 상자죄수 수와 열 수 있는 상자 수를 넣으면 아무 상자나 여는 전략과 사이클을 따라가는 전략의 전원 성공 확률을 각각 구합니다.15퍼즐 판정슬라이딩 퍼즐 배치를 넣으면 아무리 밀어도 맞출 수 있는 배치인지 판정합니다.

마지막 검증: 2026년 9월 5일 · 결과는 참고용 추정치입니다.