モデル選択におけるAICとp値の同等性

この質問の回答に対するコメントで、モデル選択でAICを使用することは、0.154のp値を使用することと同等であると述べられました。

私はそれをRで試しました。「後方」サブセット選択アルゴリズムを使用して、完全な仕様から変数をスローしました。1つ目は、p値が最も高い変数を順次スローし、すべてのp値が0.154を下回ったときに停止します。次に、変数を削除して、改善が見られなくなるまで削除すると、AICが最も低くなります。

0.154のp値をしきい値として使用しても、ほぼ同じ結果になることがわかりました。

これは本当ですか？もしそうなら、誰もが理由を知っていますか、それを説明する情報源を参照できますか？

PS登録したばかりなので、コメントを書いたり、コメントを書いたりすることができませんでした。これはモデルの選択や推論などに最適なアプローチではないことを認識しています。

統計的検定またはAICを使用して行われる変数の選択には、非常に問題があります。テストを使用する場合、AICは対応する = 2.0のカットオフを使用します。AICを個々の変数に使用しても、新しいことは何もありません。0.05よりも妥当な使用するだけです。より合理的な（推論を妨げない）は0.5です。$\chi^2$$\chi^2$$\alpha=0.157$$\alpha$$\alpha$