我有一个如下所示的回归模型
glm.nb(formula = y ~ Gender + Age + x1 + x2 + x3, data = df)
在我的问题中，有 20 种可能的变量选择x1， 20 种可能的选择x2，以及 20 种可能的选择x3。 Gender并且Age必须在模型中。这给我留下了 20*20*20 = 8,000 个可能的回归。我能够创建一个运行所有这些回归并为我提供最低 AIC 的程序，但我想知道是否有一个库已经这样做了。
我不认为以任何统计方式我会发现什么是“最佳”模型，但我确实发现这个练习对探索我的数据很有用。
我已经尝试过使用 bestglm 和跳跃。我不相信这些程序允许从多个变量桶中指定变量的选择。
因为你有三个分类变量每个类别，加上性别和年龄，总共为您提供二元变量和一个连续变量。如果您愿意在没有交互影响的情况下继续进行，那将为您提供一个具有系数（包括截距项）。这是一个相对可管理的术语数量，并且使用合理大小的数据集，您应该有足够数量的剩余自由度，并获得对参数的合理估计。
如果您决定要包括分类变量之间的交互作用，您的问题就会出现。在您的三个分类变量之间添加二向和三向交互，为您提供模型中的参数而不是. （如果您还与性别和年龄交互，则该值再次翻两番。）这是大量参数，您需要大量数据来确保您有足够数量的剩余自由度。即使您有足够的数据，以您描述的方式从分类变量中挑选交互项也是值得怀疑的——这是数据挖掘的经典示例。您应该为分类交互包含整组交互项，或者删除整组交互项，而不是这样做。从广泛的分类变量的指标值中挑选交互项是不合法的。
如果您有 60 个可能的协变量，并且只是希望能够使用该模型来构建预测并且不太关心可解释性，您可以在数据的训练集上构建一个随机森林，看看您可以使用什么样的预测能力从它建立的模型中获取。r 中的包 randomForest 可以帮助您。