保留它。数据无法真正告诉您哪个模型“更好”，除非您以高度结构化的方式使用 AIC（例如，在预先指定的大量变量上），并且删除无关紧要的变量会使和所有值、标准误差和置信限，以及使调整后的的公式无效。这个网站上有很多关于这些问题的文章。$\sigma^2$$P$$R^2$

注意：弗兰克哈雷尔回答的一个推论是，首先不应该使用逐步变量选择。也就是说，不仅丢弃最终的“剩余”非显着协变量是错误的，而且采用旨在在相互依存且不可复制的时尚。

您需要在多个测试数据集上测试您的模型。AIC 是模型拟合而不是准确性的度量。请阅读本书第 3.3 节（子集选择）-

http://statweb.stanford.edu/~tibs/ElemStatLearn/printings/ESLII_print10.pdf

建议删除变量有两个原因-

首先是预测精度：保持所有变量通常具有低偏差但大方差。有时可以通过缩小或将某些系数设置为零来提高预测准确性。通过这样做，我们牺牲了一点偏差来减少预测值的方差，从而可以提高整体预测精度。

第二个原因是解释。对于大量的预测变量，我们经常希望确定一个较小的子集，它表现出最强的效果。为了获得“大局”，我们愿意牺牲一些小细节。