我认为您必须删除整个分类变量。想象一个逻辑回归，您试图预测一个人是否患有疾病。出生国家/地区可能对此有重大影响，因此您将其包含在模型中。如果特定的美国原产地对AIC没有任何影响而你放弃了它，你将如何计算$\hat{y}$一个美国人？R 默认使用因子的参考对比，所以我认为它们只是在参考水平（比如博茨瓦纳）计算，如果有的话。这恐怕不会有好的结局……

更好的选择是事先对出生国家/地区的合理编码进行分类 - 分解为地区、大陆等，然后找出最适合您的模型的编码。

当然，有很多方法会误用逐步变量选择，因此请确保您使用正确。不过，这个网站上有很多相关内容；搜索“逐步”会带来一些好的结果。 这一点特别中肯，答案中有很多很好的建议。

至于国家的例子，我认为如果选择特定国家的虚拟变量，那么这意味着这个国家是与所有其他国家相结合的预测变量（无需创建新的二元变量）。我经常遇到的问题是虚拟变量，它反映了例如疾病的严重程度（例如 -、+、++、+++）。有时会选择 ++ 的虚拟变量，但不会选择 +++ 的虚拟变量。在这种情况下，重新分类可能有用。