クロス集計表といえばχ2乗検定ですが、AICによる別の分析手法を紹介します。 ひとつのカテゴリカルなターゲット変数に対してカテゴリカルな複数の説明変数候補が与えられた場合、ターゲット変数と説明変数候補とのクロス集計表を作成し、各クロス集計表ごとにこの資料で定義されたAICを計算します。AICの低さが、相関の高さを示します。 この手法は、χ2乗検定におけるp値と異なり、カテゴリーのサイズ（つまり自由度）が異なる説明変数間の比較を可能にします。 資料内の AIC*(I1;I2) の説明は、（成書では30年ほど前に発表されているものですが）ネット上ではあまり見かけないものであり、参考になるかと思います。

1. 変数選択における AIC の利用： 理論と実装 sstat3 October 22, 2011

3. データマイニングプロセスにおける 変数選択の位置付け SEMMA (Sample, Explore, Modify, Model , and Assess) http://www.dataprix.net/en/blogs/respinosamilla/theory-data-mining 1 データの抽出 5 モデルの評価 4 モデルのあてはめ 3 データの加工 2 データの探索

4. データマイニングプロセスにおける 変数選択の位置付け（続き） CRISP-DM (Cross-Industry Standard Process for Data Mining) http://www.dataprix.net/en/blogs/respinosamilla/theory-data-mining 1 ビジネスの理解 6 展開／共有 5 評価 4 モデリング 3 データの準備 2 データの理解

5. データマイニングプロセスにおける 変数選択の位置付け（続き） KDD (Knowledge Discovery in Databases) Process Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). The KDD Process for Extracting Useful Knowledge from Volumes of Data. Communications of the ACM, 39(11) , 27-34.

15. 従属モデルと独立モデル i 1 = 1 2 i 2 = 1 2 3 4

21. 説明変数に予測力が あるモデルとないモデル i 1 = 1 2 i 2 = 1 2 3 4 i 1 = 1 2 ＊「よく尋ねられる質問について答えられる」人を博学と呼んでよいだろうか？ その人が博学であるといのは、「尋ねられるどんな質問にも答えられる」ことである。 「その質問がよく尋ねられるか」という環境的な要因は、彼の博学さとは直接関係ない。

27. n log n

30. 実装： MewDap 出力： クロス集計表 ごとの AIC 出力： 伝統的な  2 検定 入力： クロス集計表を 縦に並べる

32. クロス集計表に出会ったら、 AIC をお試しください。

34. Thank you AIC は もっと流行って いいと思う

38. Kullback-Leibler 情報量（続き） 真の分布 モデル分布 p 1 p i q 1 q i 0 1 n 1 n i n 観測データ n 回 観測度数         1 0   0 1     n 1 / n n i / n 観測分布   状態 1 i  