Sólo hay una buena razón posible para ello: que la relación señal/ruido de sus datos sea muy alta, es decir, que el verdadero $R^2$ es intrínsecamente alta. Pero lo más probable es que haya utilizado el AIC para comparar más de 3 modelos posibles y sólo esté viendo ruido. El AIC es un replanteamiento de $P$ -y como tal tiene todos los problemas de $P$ -Selección de variables por pasos guiada por valores. El AIC sólo utiliza un mejor (es decir, mayor) $\alpha$ de 0,05. En general, si tiene más de 3 o 4 modelos preespecificados para comparar, el AIC tiene pocas probabilidades de seleccionar el modelo "correcto".
En la mayoría de los conjuntos de datos (aunque el suyo puede ser demasiado pequeño) puede comprobar todo esto haciendo un bootstrap de todo el proceso de selección de variables.
El AIC es más útil cuando se realiza una evaluación muy estructurada de un gran grupo de parámetros, por ejemplo, "tengo un modelo de 5 variables y hay otras 7 variables que no se consideran relevantes en la literatura. ¿Mejoraré el rendimiento del modelo añadiendo las 7?". O "Tengo un modelo aditivo lineal en 6 predictores. ¿Cuál es el valor de expandirlos todos en splines cúbicos restringidos para permitir la no linealidad?".
