我目前正在为我的硕士论文做分析，遇到了一些我无法解释的结果。

在我的论文中，我试图探索决定人们是否加入当地能源倡议的因素。由于我有很多不同的变量，我的导师建议了一种模型构建方法。具体来说，我在我的逻辑回归中添加了一组预测变量，并且只保留那些在模型中显着的变量，然后再添加下一组。为了评估模型拟合，我被告知使用分类表。

我现在的问题如下：

我从一组假人开始，以控制来自不同社区的参与者。这个基本模型正确分类了 56% 的案例。现在我添加第二组预测变量，其中一些很重要，所以我将它们保留在模型中。如果我现在再次使用分类表，我的分类会变得更糟。比机会还糟糕！（48%）。

我怎样才能找到重要的预测变量，但我的模型变得比机会更糟？

编辑附加信息：

我的数据集包含 636 个案例。318 人参与倡议，318 人不参与。我使用的变量集的结构如下：

1）“控制”：人们来自 30 个不同的社区，所以我添加了 29 个虚拟变量来控制由于社区成员身份而导致的差异（我知道这不是最好的方法，但我只是按照这个命令）

2) 个人预测变量：15 个人口统计和心理变量

3) 群体预测因素评估：8 个变量衡量个人如何看待潜在参与者群体

我在用于构建模型的相同数据上使用了分类表，不幸的是我只有这个数据集，我试图找出哪些预测变量最有希望用于未来（因果关系）研究。