Schwarz-Informationskriterium

von Schwarz (1978) vorgeschlagene Kennzahl zum Vergleich alternativer Spezifikationen von  Regressionsmodellen.

Das Schwarz-Informationskriterium (engl. Schwarz Information Criterion, SIC) wird als SIC = ln(RSS/n) + [ln(n) · (K+1)]/N berechnet, wobei RSS die Residuenquadratesumme (Residuen) des geschätzten Modells, n der Stichprobenumfang und K die Anzahl der erklärenden Variablen im Modell sind. ln symbolisiert den natürlichen Logarithmus. – Im Vergleich zweier Modellspezifikationen anhand SIC ist diejenige als die bessere zu betrachten, die das niedrigere SIC aufweist. Anders als das angepasste Bestimmtheitsmaß wird das Hinzufügen weiterer erklärender Variablen in ein Modell von SIC stärker bestraft. Eine Spezifikation, die das angepasste Bestimmtheitsmaß maximiert bezieht also meist mit höherer Wahrscheinlichkeit eine irrelevante Variable ins Modell ein als eine, die durch Minimierung von SIC gewählt wird.

Vgl. auch Akaike-Informationskriterium.