AIC：赤池情報量規準
AIC （Akaike Information Criterion）
赤池 弘次（あかいけ ひろつぐ）博士が考案。
当てはまりのよさを追求するあまり、複雑なモデルを多用するよりも、当てはまりの改善に見合わないような複雑化を避ける目的として採用される、「データとの適合度」と「モデルの複雑さ」のバランスを図るための指標の一つです。
SPSS（IBM SPSS Statistics — 日本IBM）やS-PLUS（NTTデータ数理システム）、Rなど多くの統計解析専用ソフトでも出力されます。
一般にAICの式は次のとおり。
です。
- L：最大化された尤度（Likelihood：尤度）
- K：推定するパラメータ数
線形回帰分析（重回帰分析）の場合
切片を強制的に0としない重回帰分析（線形回帰分析）において、同じ目的変数・同じデータを用いたモデル同士を比較する場合、AICの大小関係に影響しない共通の定数項を除けば、次の形で比較することができます。
重回帰分析では説明変数選択規準の一つで、同じデータのうち、説明変数の採り入れ方に応じてAICがもっとも小さなモデルを、相対的に良いモデルとして判断します。
n：サンプルサイズ、リストデータの上ではデータ行数
R2： 決定係数
k： 説明変数の列の数
重回帰分析においては、説明変数の個数を増やせば増やすほど、重相関係数（R）や決定係数（R2）は同じ値または1に近づくという特徴があります。
そこでAICでは、モデルを複雑にすることに対してペナルティーを与えることで、当てはまりの良さとモデルの複雑さのバランスを評価します。そのため重回帰分析では、説明変数の選択にも利用できると言えます。