我有一个复杂的半参数模型，我适合R . 我从一个基于理论的模型开始 . 它有很多互动条款 . 我想把它弄清楚：逐个删除每个交互术语或不相互作用的主效应，检查AIC，并保留给我最低AIC的模型 . 然后我想在保留的模型上重复该过程 .
这是一个简单的例子：
set.seed(42)
library(mgcv)
N=220
fac = ceiling(runif(N)*2)
a = rnorm(N); b = rnorm(N); c = rnorm(N); d = runif(N); e = rnorm(N);
y = a^fac + b*e + d/(e+1)
m1 = gam(y~ as.factor(fac)
+ s(a)
+ s(b)
+ s(c)
+ s(d)
+ te(a,b,c)
+ te(a,d,by=as.factor(fac))
)
m2 = gam(y~ as.factor(fac)
+ s(a)
+ s(b)
+ s(c)
+ s(d)
+ te(b,c)
+ te(a,d,by=as.factor(fac))
)
m3 = gam(y~ as.factor(fac)
+ s(a)
+ s(b)
+ s(c)
+ s(d)
+ te(a,c)
+ te(a,d,by=as.factor(fac))
)
m4 = gam(y~ as.factor(fac)
+ s(a)
+ s(b)
+ s(c)
+ s(d)
+ te(a,b)
+ te(a,d,by=as.factor(fac))
)
m5 = gam(y~ as.factor(fac)
+ s(a)
+ s(b)
+ s(c)
+ s(d)
+ te(a,b,c)
+ te(d,by=as.factor(fac))
)
m6 = gam(y~ as.factor(fac)
+ s(a)
+ s(b)
+ s(c)
+ s(d)
+ te(a,b,c)
+ te(a,by=as.factor(fac))
)
m7 = gam(y~ as.factor(fac)
+ s(a)
+ s(b)
+ s(c)
+ s(d)
+ te(a,b,c)
+ te(a,d)
)
selection = AIC(m1,m2,m3,m4,m5,m6,m7)
selection
df AIC
m1 14.53435 1626.611
m2 12.52501 1622.635
m3 12.54566 1622.615
m4 12.52652 1622.633
m5 13.14108 1620.759
m6 10.99684 1621.156
m7 10.98136 1622.229
m5是最好的
m5 = gam(y~ as.factor(fac)
+ s(a)
+ s(b)
+ s(c)
+ s(d)
+ te(a,b,c)
+ te(d,by=as.factor(fac))
)
m5.1 = gam(y~ as.factor(fac)
+ s(a)
+ s(b)
+ s(c)
+ s(d)
+ te(b,c)
+ te(d,by=as.factor(fac))
)
m5.2 = gam(y~ as.factor(fac)
+ s(a)
+ s(b)
+ s(c)
+ s(d)
+ te(a,c)
+ te(d,by=as.factor(fac))
)
m5.3 = gam(y~ as.factor(fac)
+ s(a)
+ s(b)
+ s(c)
+ s(d)
+ te(a,b)
+ te(d,by=as.factor(fac))
)
m5.4 = gam(y~ as.factor(fac)
+ s(a)
+ s(b)
+ s(c)
+ s(d)
+ te(a,b,c)
#+ te(d,by=as.factor(fac))
)
selection.2 = AIC(m5,m5.1,m5.2,m5.3,m5.4)
selection.2
df AIC
m5 13.363029 1621.183
m5.1 9.671656 1617.641
m5.2 9.730047 1617.549
m5.3 9.706424 1617.569
m5.4 9.857504 1620.028
5.2是最好的
...等等 . 接下来我将在m5.2中尝试每个交互项或不相互作用的主效应 . 问题是我如何自动化这个？从一个模型开始（在我的例子中是m1），并且在运行这个算法之后让R给我最好的模型，根据这个算法不再有任何“更好”的模型？
现在我可以手动完成，但随着时间的推移添加数据，模型选择可能会改变 .
提前感谢任何提示 .