आपके प्रश्न का सटीक तरीके से उत्तर देना काफी कठिन है, लेकिन मुझे लगता है कि आप दो मानदंडों (सूचना मानदंड और पी-मूल्य) की तुलना कर रहे हैं जो समान जानकारी नहीं देते हैं। सभी सूचना मानदंड (एआईसी, या श्वार्ज़ मानदंड) के लिए, वे जितने छोटे होते हैं, वे आपके मॉडल के लिए बेहतर होते हैं (सांख्यिकीय दृष्टिकोण से) क्योंकि वे फिट की कमी और मॉडल में मापदंडों की संख्या के बीच एक व्यापार-बंद को दर्शाते हैं। ; उदाहरण के लिए, एकैके मानदंड पढ़ता है , जहांकश्मीर पी−2log(ℓ)+2kkमापदंडों की संख्या है। हालांकि, एआईसी के विपरीत, एससी सुसंगत है: नमूना आकार बढ़ने पर गलत तरीके से एक बड़ा मॉडल चुनने की संभावना 0 में परिवर्तित हो जाती है। उनका उपयोग मॉडलों की तुलना करने के लिए किया जाता है, लेकिन आप महत्वपूर्ण भविष्यवक्ताओं के साथ एक मॉडल का अवलोकन कर सकते हैं जो खराब फिट (बड़े अवशिष्ट विचलन) प्रदान करते हैं। यदि आप कम एआईसी के साथ एक अलग मॉडल प्राप्त कर सकते हैं, तो यह एक खराब मॉडल का विचारोत्तेजक है। और, यदि आपका नमूना आकार बड़ा है, तो -values अभी भी कम हो सकते हैं जो मॉडल फिट के बारे में अधिक जानकारी नहीं देता है। कम से कम, देखो कि एआईसी केवल एक अवरोधन के साथ मॉडल की तुलना करते समय और कोवरिएट्स वाले मॉडल की तुलना में एक महत्वपूर्ण कमी दिखाता है। हालांकि, यदि आपकी रुचि भविष्यवाणियों के सर्वश्रेष्ठ सबसेट को खोजने में निहित है, तो आपको निश्चित रूप से परिवर्तनशील चयन के तरीकों को देखना होगा।p
मैं दंडित प्रतिगमन को देखने का सुझाव दूंगा , जो ओवरफिटिंग मुद्दों से बचने के लिए चर चयन करने की अनुमति देता है। फ्रैंक हरेल के रिग्रेशन मॉडलिंग रणनीतियों (पी। 207 एफएफ।), या मून्स एट अल। में, दत्तक ग्रहण की अधिकतम संभावना का अनुमान लगाया गया है , जो कि दत्तक ग्रहण के लिए नैदानिक और रोगनिरोधी भविष्यवाणी मॉडल को सीधे समायोजित करने के लिए है: एक नैदानिक उदाहरण , जे क्लिन एपिड (2004) 57। 12)।
यह भी देखें डिजाइन ( lrm) और stepPlr ( step.plr) आर संकुल, या दंडित पैकेज। आप इस एसई पर चर चयन पर संबंधित प्रश्न ब्राउज़ कर सकते हैं ।