我的问题是使用AIC来比较一个数据集中的特定变量适合与另一个数据集的匹配程度。也就是说，假设我有一个预测变量x和两个不同的数据集A和B。我希望能够说{34} x适合/不适合A中的数据而不是B＆＃34;。我知道AIC可用于确定比较适合相同数据的模型，并确定特定因素是否是重要因素。如果AIC（M1）-AIC（M2）> 2（或其他一些阈值），我们可以说M1比更好而且M1中的任何额外因子都是显着的。
问题是，我们可以比较模型和数据集之间AIC中的差异吗？回到示例，我已经获得了模型MA1，该模型在数据A上使用因子x和模型MA2进行了训练，模型MA2在没有A的{{1}}上进行了训练。我也有适合x的MB1和MB2。我可以比较AIC（MA1）和AIC（MA2）之间的差异以及AIC（MB1）和AIC（MB2）之间的差异吗？如果AIC（MA1）-AIC（MA2）> AIC（MB1） - AIC（MB2），这是否意味着B解释x数据中的方差多于A中的方差？
我知道可能有更好的方法来衡量B的效果，但我只是要求我自己对AIC如何运作以及它在更宏大的方案中的含义的谴责。