معیار آکائیک به طور گسترده در تئوری انتخاب مدل برای دادههای کامل به کار گرفته میشود، اما برای دادههای ناقص وقتی مدلها غیرآشیانهای و بد-توصیف شده هستند کمتر مورد توجه قرار گرفته است. در این مقاله به انتخاب یک مدل مناسب از بین مدلهای رقابتی برای دادههای سانسوریده از راست نوع II پرداخته میشود و اقدام به برآورد تفاضل مخاطرههای بین دو مدل غیر آشیانهای میگردد. سپس نشان داده میشود استنباط براساس دادههای مشاهده شده و سانسوریده به طور همزمان به جای در نظر گرفتن فقط دادههای مشاهده شده به نتایج بهتری منتهی خواهد شد. فاصله ردیابی مناسب برای تفاضل امید کولبک-لیبلر مشاهدات سانسوریده با احتمال مشخص معرفی میشود و از آنجا که هر فاصله اطمینان مجموعهای از فرضهای پذیرفتنی تحت فرض صفر است، فاصله به دست آمده برای انتخاب مدل مناسب به کار گرفته میشود.