生態学などでのデータ解析では、AICやBICなどのモデル選択と仮説検定がよく併用されている。とくに、AICなどの情報量に基づく基準でモデルを選んだ後で、選ばれたモデルを使って検定を行うことは普通に行われてきた。だが、情報量に基づく基準量によるモデル選択と仮説検定は大きく異なるロジックにそれぞれ立脚しており、両者を混用することの妥当性は示されていない。また、情報量に基づく基準で選んだモデルを用いてパラメーターの値を推定すると、推定の良さを表すのに使われている標準誤差や分散は意味を持たなくなり、推定誤差が大きくなることもある。
　そして、妥当性が確立されないまま、仮説検定の前段階として情報量によるモデル選択でモデルを少数に絞りその後に検定するという手順は広く使われている。今回は、情報量によるモデル選択と仮説検定の混用のうち、目的変数に対して影響を与えている可能性のある説明変数や要因が複数あり、モデル選択により説明変数や要因を絞ってから検定するという手順をとりあげる。とくに説明変数や要因の間に、あらかじめ目的変数に対する効果を検討したい主な変数とそれ以外の共変量の候補という区別があるのではなく、どの説明変数や要因でも目的変数に対する効果を見たい変数となりうる場合を取り上げる。これは、おそらく、情報量によるモデル選択と仮説検定の混用の中でも広く使われているものである。おもに数値計算により、この手順の妥当性を分析する。