模型选择中AIC和p值的等效性

在对这个问题的答案的评论中，有人指出在模型选择中使用AIC等于使用p值为0.154。

我在R中进行了尝试，在其中我使用了“向后”子集选择算法来排除完整规范中的变量。首先，依次丢弃具有最高p值的变量，并在所有p值均低于0.154时停止，其次，然后删除该变量，删除该变量会导致AIC最低，直到无法进行改进为止。

原来，当我使用0.154的p值作为阈值时，它们给出的结果大致相同。

这是真的吗？如果是这样，是否有人知道原因或可以参考解释它的来源？

PS我不能要求对方发表评论或发表评论，因为刚刚注册。我知道这不是最适合模型选择和推断的方法。

model-selection p-value aic

— 尼尔斯
source

（1）使用Logistic回归分析的预测模型：小数据集中选择和估计方法的比较。根据Aic定义，对于拥有df1的变量而言，Statistics in Medicine，19，1059-1079（2）为true。但是，如果您的变量自由度较高，则可能会更低

— 查尔斯·

使用统计测试或AIC完成变量选择存在很大问题。如果使用测试，则AIC会使用 = 2.0 的临界值，它对应于。在单个变量上使用AIC并没有什么新内容；它只是使用比0.05 更合理的。一个更合理的（较少干扰）的为0.5。 $\chi^2$ $\chi^2$ $\alpha=0.157$ $\alpha$ $\alpha$

— 弗兰克·哈雷尔
source

+1我花了很长时间来构造我的答案（现已删除），但我什至没有看到与此同时发布的答案。我本来只是投票赞成这一票。

— Glen_b-恢复莫妮卡2014年