При выборе модели, как вы указали, вы, как правило, хотите использовать более экономные модели, чтобы у них было меньше предположений.Скорректированный R квадрат работает;более популярными методами являются информационный критерий Акаике и байесовский информационный критерий.Обычно BIC более консервативен, чем AIC.Когда люди используют AIC или BIC, они обычно хотят получить оценку ниже .Нет такой вещи как значимость, потому что это полностью относительная мера.
Когда вы говорите о значительной разнице, я думаю, что вы говорите об анализе отклонений.Вероятности распределяются по распределению хи-квадрат, поэтому вы можете проверить разницу между двумя моделями с помощью теста логарифмического отношения правдоподобия или ANOVA, если две модели вложены друг в друга, что походит на то, что вы естьописание, где модели отличаются только путем добавления параметра.Независимо от того, является ли индивидуальный контраст параметра существенным или нет, это не обязательно делает вашу модель более подходящей, поэтому вы хотите протестировать всю модель на соответствие модели, почти такой же, как она.
Код просто anova(reducedmodel, fullmodel), в качестве альтернативы, проверка логарифмического отношения правдоподобия может быть выполнена с использованием пакета lmtest lrtest(fullmodel,reducedmodel)