Еквівалентність значень AIC та p у виборі моделі

У коментарі до відповіді на це питання було зазначено, що використання AIC у виборі моделі еквівалентно використанню р-значення 0,154.

Я спробував це в R, де я використав "зворотний" алгоритм вибору підмножини, щоб викинути змінні з повної специфікації. По-перше, послідовно викидаючи змінну з найвищим р-значенням і зупиняючи, коли всі p-значення нижче 0,154, і, по-друге, скидаючи змінну, яка призводить до найнижчого AIC при видаленні, поки не буде досягнуто поліпшення.

Виявилося, що вони дають приблизно однакові результати, коли я використовую р-значення 0,154 як порогове значення.

Це насправді правда? Якщо так, чи хтось знає, чому може звернутися до джерела, яке пояснює це?

PS Я не міг попросити людину, яка коментує або написати коментар, тому що щойно зареєструвалася. Я знаю, що це не найбільш підходящий підхід до вибору моделі та висновку тощо.

Варіабельний вибір, здійснений за допомогою статистичного тестування або AIC, є дуже проблематичним. Якщо використовується$\chi^2$ тестів, AIC використовує обріз $\chi^2$= 2,0, що відповідає $\alpha=0.157$. AIC при використанні на окремих змінних не робить нічого нового; він просто використовує більш розумний$\alpha$ніж 0,05 Більш розумний (менше заважає виводу)$\alpha$ становить 0,5.