我一直在运行AIC，以便为我一直在运行的逐步回归模型选择变量。数据是景观数据是4个半径（1公里，2公里，3公里和4公里）的景观的一部分，大约19个测试位置已经交叉，并且景观参数如％耕地和％森林覆盖被用作变量来预测损害某种农业害虫。当我在具有不同半径变量的模型上运行AIC以查看哪种组合最适合时，我会在某些组合上获得相同的AIC。
实施例。 有害生物对森林覆盖率（半径4000米），化学处理（杀虫剂喷洒次数）和1000米半径耕地面积的损害
Df Sum of Sq RSS AIC
<none> 2.6991 -35.079
+ forest cover 1000m 1 0.075342 2.6237 -33.617
+ chemical treatment 1 0.015308 2.6837 -33.187
+ arable land 4000m 1 0.002589 2.6965 -33.098
[1] **20.84039**
- ＆GT; AIC = 20.84039
如果我将耕地变量的百分比从半径4000m改为半径3000m，则AIC是相同的。
Df Sum of Sq RSS AIC
<none> 2.6991 -35.079
+ forest cover 1000m 1 0.075342 2.6237 -33.617
+ chemical treatment 1 0.015308 2.6837 -33.187
+ arable land 3000m 1 0.000095 2.6989 -33.080
[1] **20.84039**
- ＆GT; AIC = 20.84039
所以我的问题是，有谁知道为什么AIC对于这两个型号是相同的？可以简单地因为变量变化了（半径4000m到半径3000m的耕地面积相似吗？也就是说，两个半径之间耕地的百分比变化不大？）
干杯。