O formulă simplă de calcul a AIC în OLS-cadru (din moment ce spui regresiei liniare) pot fi găsite în Gordon (2015, p. 201):
$$\text{AIC} = n *\ln\Mare(\frac{SSE}{n}\Mare)+2k $$
în cazul în Care SSE înseamnă Suma pătratelor Erorilor ($\sum(Y_i-\pălărie Y_i)^2$), $n$ este dimensiunea eșantionului, și $k$ este numărul de predictori în modelul plus unul pentru interceptare., Deși valorile AIC nu sunt în general interpretabile, diferențele dintre valori pentru diferite modele pot fi interpretate (o serie de întrebări privind CV-ul acoperă această problemă, de exemplu aici). Deci, modelul cu cel mai mic AIC este de obicei selectat. Este ușor de văzut de ce este cazul în formula de mai sus: toate celelalte fiind egale, pe măsură ce SSE scade, AIC scade și el.
în alte surse, puteți găsi o formulă mai generală, cu probabilitate maximă., De exemplu, în a Aplicat Analiza de Regresie și Modele Liniare Generalizate, Fox oferă:
$$\text{AIC}_j \equiv – \text{log}_eL(\hat \theta_j)+2s_j$$
Fox, J. (2016). Analiza regresiei aplicate și modele liniare generalizate (3rd ed.). Los Angeles: Sage Publications.
Gordon, R. A. (2015). Analiza de regresie pentru științele sociale. New York și Londra: Routledge.
și articolul original: