我正在用Matlab编写一个程序，任务是使用5个不同的模型拟合8个参数，并输出它们的FVAL，以计算AIC和BIC，从而获得5个模型中的最佳模型。我的问题是，尽管不同模型拟合的参数完全不同，但我得到的FVAL分数相同，这对我来说毫无意义。
我的任务总共有234个数据点和8个参数，但每个数据点只使用2个参数。答案是二进制1或0。我有一个234x1的双变量，称为“results”，这是我想要预测的分数，每个数据点都是1或0。另一个234x1的双变量称为“tParamVal”，这是使用的2个参数中的第一个参数，这是得分为1，2，3，或4。最后，234 × 1双变量caleld 'sParamVal'，这是使用的第二个参数，这是得分为5，6，7，或8。因此，对于234个数据点，我有param1（例如，3），param2（例如，8），结果（例如，1）。
我这样定义我的模型：

null = @(params, x) mean(results); % null model.
multiplicative = @(params, x) params(x(1)) * params(x(2)); % multiplicative model
minimalism = @(params, x) min(params(x(1)), params(x(2))); % minimum model.

字符串
对于目标函数，我使用负对数似然定义为：

objective_null = @(params) -mean((results .* log(null(params, ...
        [tParamVal, sParamVal]) + 1e-10)) + ((1 - results) .* ...
        log(1 - null(params, [tParamVal, sParamVal]) + 1e-10)));
objective_mul = @(params) -mean((results .* log(multiplicative(params, ...
        [tParamVal, sParamVal]) + 1e-10)) + ((1 - results) .* ...
        log(1 - multiplicative(params, [tParamVal, sParamVal]) + 1e-10)));
objective_min = @(params) -mean((results .* log(minimalism(params, ...
        [tParamVal, sParamVal]) + 1e-10)) + ((1 - results) .* ...
        log(1 - minimalism(params, [tParamVal, sParamVal]) + 1e-10)));

型
这是3个基本模型，我添加了另外2个模型，它们具有以下规则的约束：第一个参数>第二个参数>第三个参数>第四个参数的分数和另一个规则：第五个参数>第六个>第七个>第八个。这是我如何定义约束的：

constraint = @(params) [params(1) - params(2), params(2) - params(3), ...
        params(3) - params(4), params(5) - params(6), ...
        params(6) - params(7), params(7) - params(8)];

型
具有约束的最后2个模型的目标函数定义为：

penalized_objective_mul = @(params) objective_mul(params) + ...
        sum(min(0, constraint(params)).^2);
penalized_objective_min = @(params) objective_min(params) + ...
        sum(min(0, constraint(params)).^2);

型
对于BADS优化算法，您需要提供一个起始点x0：

x0 = [0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5];        % Starting point

型
以及硬下界（lb）和上界（ub）：

lb = [0 0 0 0 0 0 0 0];                        % Lower bounds
ub = [1 1 1 1 1 1 1 1];                        % Upper bounds

型
为获得拟合参数和fval I，运行5个模型的以下线路：

% null model
[null_fit, null_fval] = bads(objective_null, x0, lb, ub);
nullStruct.(subject) = [null_fit, null_fval];

% multiplicative model
[mul_fit, mul_fval] = bads(objective_mul, x0, lb, ub);
mulStruct.(subject) = [mul_fit, mul_fval];

% multiplicative with constraint model
[mulConst_fit, mulConst_fval] = bads(penalized_objective_mul, x0, lb, ub);
mulConstStruct.(subject) = [mulConst_fit, mulConst_fval];
    
% minimalism model
[min_fit, min_fval] = bads(objective_min, x0, lb, ub);
minStruct.(subject) = [min_fit, min_fval];

% minimalism with constraint model
[minConst_fit, minConst_fval] = bads(penalized_objective_min, x0, lb, ub);
minConstStruct.(subject) = [minConst_fit, minConst_fval];

型
这一切都是在for循环中为每个“subject”运行的。
对于每个受试者，我得到不同的FVAL分数，但在同一受试者内和不同模型之间，我得到相同的FVAL分数。值得注意的是，虽然FVAL是相同的，但不同的模型输出不同的参数，他们拟合。
我想问题出在目标函数上，我试着改变和复习了几次，但都没有成功。
先谢了。