逐步回归报错：AIC为负无穷致step无法执行，求解决方法

出现AIC is -infinity for this model的核心问题出在模型存在完全共线性——要么是自变量之间完全相关，要么是某个自变量能完美预测因变量，导致残差平方和为0，AIC计算直接出现异常。

具体排查解决步骤如下：

• 检查自变量间的共线性
  提取所有自变量计算相关矩阵，查看是否存在相关系数为±1的变量对（完全相关的变量留一个即可）：

  # 提取自变量列
  predictors <- Sem_1[, c("Val_tema","Val_material","Val_interacció","Val_participa","Val_oral","Val_feina","Val_fatiga","Val_temps_pràctica","Val_ajust_temps")]
  # 计算相关矩阵
  cor_matrix <- cor(predictors)
  # 打印查看相关系数
  print(cor_matrix)
  

  找到完全相关的变量后，删除其中一个再重新建模。

• 检查因变量与自变量的完全相关性
  查看因变量Val_general和每个自变量的相关系数，若存在相关系数为±1的情况，说明该变量可完美预测因变量，此时逐步回归无意义，可直接用该变量建模，或删除该变量后再运行逐步回归：

  cor(Sem_1$Val_general, predictors)
  

• 确认样本量是否充足
  若样本量小于等于自变量数量，模型易出现过度拟合，引发AIC异常。查看样本量：

  nrow(Sem_1)
  

  若样本不足，可增加样本量，或结合领域知识先筛选掉部分非必要自变量。

• 清理数据中的异常/重复值
  检查是否存在重复行，或因变量/自变量取值完全一致的情况，这类数据会干扰模型计算：

  # 统计重复行数量
  sum(duplicated(Sem_1))
  # 查看因变量的取值分布
  table(Sem_1$Val_general)
  

  发现重复或异常值后先清理再建模。

• 换用更稳健的逐步回归函数
  若以上排查后仍有问题，可尝试MASS包的stepAIC函数，它对极端情况的处理更稳健：

  library(MASS)
  # 构建全变量模型
  full_model <- lm(Val_general ~ Val_tema+Val_material+Val_interacció+Val_participa+Val_oral+Val_feina+Val_fatiga+Val_temps_pràctica+Val_ajust_temps, data=Sem_1)
  # 运行逐步回归
  step_model <- stepAIC(full_model, direction="backward")
  

内容的提问来源于stack exchange，提问作者Josep Ramos