求R语言函数：逐步移除回归模型中P值>5%的不显著变量

你当前编写的max_p函数仅实现了提取最高P值变量的功能，缺少循环迭代移除变量的核心逻辑。以下是完整的实现方案和优化建议：

核心实现思路 #

• 循环提取当前模型的变量P值（排除截距项，通常无需关注其显著性）
• 每次移除P值最高的变量后重新拟合模型
• 直到所有剩余变量的P值均≤5%显著性水平，或仅剩余截距项时停止

优化后的完整函数 #

stepwise_remove_insignificant <- function(model, sig_level = 0.05) {
  current_model <- model
  repeat {
    # 提取变量的P值，跳过截距项
    coeff_info <- summary(current_model)$coefficients
    p_values <- coeff_info[-1, "Pr(>|t|)"]
    
    # 终止条件：无变量剩余或所有变量均显著
    if (length(p_values) == 0 || all(p_values <= sig_level)) {
      break
    }
    
    # 定位P值最高的变量
    max_p_var <- names(which(p_values == max(p_values)))
    
    # 重构公式，移除目标变量后重新拟合模型
    new_formula <- as.formula(paste(
      as.character(formula(current_model))[2],
      "~",
      paste(setdiff(all.vars(formula(current_model))[-1], max_p_var), collapse = " + ")
    ))
    
    current_model <- lm(new_formula, data = current_model$model)
  }
  return(current_model)
}

关键注意事项 #

• 该函数默认适配线性回归（lm模型），若用于广义线性模型（glm），需调整P值提取的对应字段
• 这种后向逐步选择法存在统计局限性，比如受多重共线性干扰、可能导致过度拟合，实际使用建议结合业务领域知识判断，不要完全依赖自动化流程
• 若存在多个P值相同且超标的变量，函数会优先移除which返回的第一个变量

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