En simpel formel til beregning af AIC i OLS ramme (da du siger lineær regression) kan findes i Gordon (2015, s. 201):
$$\text{AIC} = n *\ln\Big(\frac{SSE}{n}\Big)+2k $$
Hvor SSE betyder, at Summen af de Kvadrerede Fejl ($\sum(Y_i-\hat Y_i)^2$), $n$ er den stikprøvestørrelse, og $k$ er antallet af indikatorer i modellen plus én for opfange., Selvom AIC-værdier generelt ikke kan fortolkes, kan forskelle mellem værdier for forskellige modeller fortolkes (en række spørgsmål om CV dækker dette problem, for eksempel her). Så er modellen med den mindste AIC normalt valgt. Det er let at se, hvorfor dette er tilfældet i ovenstående formel: alt andet lige, når SSE falder, falder AIC også.
i andre kilder kan du finde en mere generel formel med maksimal sandsynlighed., For eksempel, i Anvendt regressionsanalyse og Generaliserede Lineære Modeller, Fox tilbyder:
$$\text{AIC}_j \equiv – \text{log}_eL(\hat \theta_j)+2s_j$$
Fox, J. (2016). Anvendt regressionsanalyse og generaliserede lineære modeller (3.udgave.). Los Angeles: Sage Publikationer.Gordon, R. A. (2015). Regressionsanalyse for Samfundsvidenskab. Ne and York og London: Routledge.
og den oprindelige artikel: