我正在对 32 个 X 变量的 Y 进行逐步回归。这是一个迭代过程，我对 100 个不同的数据集逐步进行。如果 Y1 的 Stepwise 结果是“-infinity”（没有最优模型），那么 Y 应该等于“截距值”，我将使用它来查找预测误差。如果不存在逐步存在，我有什么办法可以在 R 中打印截距值？任何帮助，将不胜感激。
更多信息：很抱歉不清楚需要什么。这就是我所拥有的：我有 36 个预测变量和一个响应模型。最初我有 50 个观察值。现在我需要对这 50 个观察值进行逐步回归，以查看哪些变量是显着的。然后在第二次迭代中，我再添加 10 个观察值（总共 60 个）并再次逐步运行以研究变量显着性。所以我试图通过添加点来依次改进模型。因此，当逐步进行时，如果结果为负无穷大，这意味着没有一个变量是有意义的，因此 y 的值将只是截距。如果 stepwise 成功，那么它将产生一个具有显着变量的模型。一旦我得到逐步模型，我就会使用验证数据集找到错误。
我的要求是，如果逐步是负无穷大，R 可以给我截取值而不是告诉我越界。
for(i in 1:length(tn2_1)){
fit1[[i]] <- lm(Y1~x1+x2+x3+x4+x5+x6+x7+x8+x9+x10+x11+x12+x13+x14+x15+x16+x17+x18+x19+x20+x21+x22+x23+x24+x25+x26+x27+x28+x29+x30+x31+x32,data=d1[[i]] [,c(1:32,33)])
}
for(i in 1:length(tn2_1)){
stepY1[[i]] <- stepAIC(fit1[[i]], direction="forward")
stepY1[[i]]$anova # display results
summary(stepY1[[i]])
}
这是我得到的代码，所以如果 stepY1 是负无穷大，它应该给我截距值 coef(fit1[[1]])["(Intercept)"])
如果这解释了，让我知道。谢谢