如何为reg_model1编写代码仅输出有意义的最优拟合预测变量汇总

假设你使用的是R语言中lm()函数生成的reg_model1模型，可直接用以下两种方案实现需求：

方案1：基于AIC准则的逐步回归筛选最优变量组合 #

该方案会自动比较变量增删后的模型拟合效果，平衡拟合精度与变量精简度，直接输出最优变量构成的模型汇总：

# 加载内置MASS包
library(MASS)
# 执行双向逐步回归，trace设为FALSE可关闭中间过程输出
best_fit_model <- stepAIC(reg_model1, direction = "both", trace = FALSE)
# 输出最优模型的完整汇总结果
summary(best_fit_model)

如果仅需提取筛选后的预测变量列表，运行names(best_fit_model$coefficients)即可，排除截距项后就是最终的最优预测变量。

方案2：从原模型直接提取显著性达标的变量 #

如果不需要重新拟合模型，仅需提取原模型中p值达标的变量，使用以下代码：

# 提取原模型系数汇总表
coef_table <- as.data.frame(summary(reg_model1)$coefficients)
# 筛选p值<0.05的非截距项变量，可按需调整显著性阈值
significant_vars <- rownames(coef_table)[coef_table$`Pr(>|t|)` < 0.05 & rownames(coef_table) != "(Intercept)"]
# 输出符合要求的变量
significant_vars

注意事项 #

• 若你的模型包含多分类因子变量，方案2默认仅返回显著的因子水平对应的变量名，若需要保留整个因子变量，可额外增加逻辑判断：只要该因子的任意一个水平p值低于阈值，就保留整个因子变量。
• 方案1的逐步回归筛选结果兼顾拟合效果与模型泛化性，比单纯按p值筛选更符合“对模型拟合效果最优”的要求。

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