どの回帰モデルにするかを選択する場合、パラメータ数（説明変数）が多いモデルほど、適合度が高い。しかし、あまりパラメータ数が多いと偶発的変動も取込んで推定してしまうため、過適合問題が起こる。そのため、適合度とパラメータ数との調和を図る必要がある。 その調和度合いを統計量として表したものがＡＩＣ（Akaike Information Criteria：赤池情報量規準）であり、少ない値をとるモデルが、この意味で良いモデルである。ＡＲモデルにおいては、説明変数の次数をいくつまで取れば良いかということが問題になるが、ＡＩＣによる判断は有効である。
ＡＩＣ＝－２（モデルの最大対数尤度）／Ｎ＋２（モデルのパラメータ数）／Ｎ なので、ＡＲモデルにあてはめると次式になる。
ＡＩＣ＝Ｎ（ｌｏｇ２πσ2 ＋ １）／Ｎ＋２（次数 ＋ １）／Ｎ Ｎ：推定に用いたサンプル数/σ2：残差分散/次数：最大ラグ数