BICとは？意味・定義をわかりやすく解説

Q: BICとは？

BIC（Bayesian Information Criterion：ベイズ情報量基準）は、統計モデルの比較・選択に使われる指標です。1978年にGideon Schwarzが提案しました。BICの計算式は「BIC = k × ln(n) − 2 × ln(L)」で表されます。ここでkはモデルのパラメータ数、nは標本サイズ、Lは最大尤度（モデルの当てはまりの良さ）です。BICの値が小さいモデルほど優れているとみなされます。同様の指標であるAIC（赤池情報量基準）と比較すると、BICはパラメータ数に対してより強いペナルティをかけるため、よりシンプルなモデルを選びやすい傾向があります。具体的にはペナルティ項が「2k」（AIC）に対して「k × ln(n)」（BIC）となり、標本数nが大きくなるほどBICのペナルティが厳しくなります。BICが活用される主な場面には以下があります。回帰分析における変数選択クラスタリングの最適クラスタ数の決定潜在クラスモデルや混合分布モデルの選択時系列モデル（ARIMAなど）の次数選定大標本での一致性（真のモデルを正しく選ぶ性質）がAICより高いとされる一方、小標本や予測目的ではAICが優位なケースもあり、目的に応じて使い分けることが推奨されます。

BICとは？

びーあいしー

ベイズ情報量基準（BIC）は、モデルの当てはまりとパラメータ数のバランスで最適なモデルを選ぶ指標です。

BIC（Bayesian Information Criterion：ベイズ情報量基準）は、統計モデルの比較・選択に使われる指標です。1978年にGideon Schwarzが提案しました。

BICの計算式は「BIC = k × ln(n) − 2 × ln(L)」で表されます。ここでkはモデルのパラメータ数、nは標本サイズ、Lは最大尤度（モデルの当てはまりの良さ）です。BICの値が小さいモデルほど優れているとみなされます。

同様の指標であるAIC（赤池情報量基準）と比較すると、BICはパラメータ数に対してより強いペナルティをかけるため、よりシンプルなモデルを選びやすい傾向があります。具体的にはペナルティ項が「2k」（AIC）に対して「k × ln(n)」（BIC）となり、標本数nが大きくなるほどBICのペナルティが厳しくなります。

BICが活用される主な場面には以下があります。

回帰分析における変数選択
クラスタリングの最適クラスタ数の決定
潜在クラスモデルや混合分布モデルの選択
時系列モデル（ARIMAなど）の次数選定

大標本での一致性（真のモデルを正しく選ぶ性質）がAICより高いとされる一方、小標本や予測目的ではAICが優位なケースもあり、目的に応じて使い分けることが推奨されます。

BICとは？

使い方・例文

この用語をシェア

関連用語