逐步选择原则

1. 你用你想要的所有变量拟合一个模型。这是您目前最好的模型。
2. 根据BIC（或任何其他标准，例如AIC）。您将获得另一个“当前最佳模型”。

你重复 2. 直到 BIC 没有减少。您只有 BIC 的局部最小值，这意味着您可能无法在所有可能的变量子集选择中获得最佳模型。但是不管怎样，通常它们太多了，所以这是一种优化一点的方法，不需要太多的工作。

另请参阅Wikipedia 上的逐步回归和模型选择。

逐步回归基本上通过基于指定标准一次添加/删除协变量来拟合回归模型（在您上面的示例中，标准将基于 BIC）。

通过指定 forward，您是在告诉R您希望从最简单的模型（即一个协变量）开始，然后一次添加一个协变量，只保留那些导致模型 BIC 改进的协变量。

通过向后指定，您是在告诉R您要从完整模型（即具有所有协变量的模型）开始，然后一次性删除协变量，这会导致 BIC 的改进。

逐步回归可能是一个非常危险的统计过程，因为它不是最佳模型选择过程。该方法可能导致模型选择非常差，因为它不能保护您免受多重比较等问题的影响。