机器算法验证 - 通过添加一个不显着的变量来提高对数似然性 - 吾爱随笔录

在这个问题中，我询问了添加变量时对 AIC 的更改。事实证明，部分原因是 SAS 计算 AIC 的方式。

但是，我现在有两个模型，其中对数似然提高了很多：

这段代码

title 'Test - only forced';
ods select FitStatistics SolutionF;
proc mixed data = menfat.data method = ml;
 class &classvar;
 model  bmd_legneck_change_per_year = &bmddef bmdlegneck_1/solution;
run;

有-2LL 1631.9

使用此代码添加一个变量

title 'Test - add packyrs';
ods select FitStatistics SolutionF;
proc mixed data = menfat.data method = ml;
 class &classvar;
 model  bmd_legneck_change_per_year = &bmddef packyrs bmdlegneck_1/solution;
run;

-2LL 为 1607.6（在 1 df 上有 24.3 的高度显着差异），但 packyrs 的参数估计值为 0.0016，SE 为 0.005，ap 为 0.77。

这可能是由于改进了模型中其他变量的拟合吗？

编辑：响应宏；该模型是线性回归，其中因变量是身体质量（骨密度）每年的变化，自变量是是/否变量和连续变量的混合。