为什么R中drop1、add1函数无法将交互项视作单个项处理？

drop1默认遵守边际原则，也就是当模型中存在交互项时，它不会输出对应组成主效应的删除检验结果，你当前模型里Lev和TSN是交互项Lev:TSN的主效应，所以自然不会出现在待删除项列表里，这个设计是为了避免出现「保留高阶交互却删除对应低阶主效应」的不符合统计逻辑的情况。

如果需要执行符合边际原则的逐步变量筛选，可以用以下两种常用方案：

方案1：用MASS包的stepAIC函数 #

这个函数原生支持边际约束，会自动优先检验高阶交互项，只有交互项被删除后才会校验对应的主效应是否可以删除，使用示例：

# 加载包
library(MASS)
# 执行向后逐步筛选，默认遵守边际原则，输出卡方检验结果
step_res <- stepAIC(test, direction = "backward", test = "Chisq")

你可以通过direction参数调整筛选逻辑："both"是双向逐步筛选，"forward"是向前逐步筛选。

方案2：用car包的Anova函数手动控制筛选顺序 #

如果你不需要全自动筛选，想手动控制删除顺序，可以配合car::Anova计算II型平方和，严格按照「先删最不显著的高阶交互项，所有交互项处理完后再删不显著主效应」的顺序操作即可，使用示例：

library(car)
# 计算II型平方和，自动遵守边际原则
Anova(test, type = "II", test.statistic = "Wald")

如果你是做纯预测任务不需要解释模型效应，确实需要允许保留交互项的同时删除主效应（绝大多数统计场景不推荐这么做），可以强制drop1输出所有项的检验结果，指定scope参数为全部项即可：

drop1(test, scope = ~ . , test = "Chisq")

注意这种做法得到的主效应检验结果是III型平方和结果，效应解释逻辑和常规II型平方和不同，需要谨慎使用。

内容的提问来源于stack exchange，提问作者yxh