如何循環使用glm模型進行模型選擇（model.sel）

Question

我正在嘗試通過AIC選擇最佳模型。 有人告訴我這是自動生成glm模型組合的代碼，但我真的不明白它是如何工作的。

任何人都可以用簡單的文字解釋我的工作原理以及如何使其運行，因為我做不到。

library(MuMIn)

as.list(rep(NA, 44)) ->models

for (i in 1:44) {
  glm(log(Tbra+1)~bats[,i],data=bats)-> models[[i]]
}

names(models)<-names(bats)[7:50]

model.sel(models)

編輯1

我對此代碼還有其他疑問。

1. as.list(rep(NA, 44)) ->models

什么意思（NA，44）？ 清單是如何制成的？ 我想知道該列表必須從數據庫中完成，但是此代碼創建了一個空列表，我不明白為什么。

2。

for (i in 1:44) {
  glm(log(Tbra+1)~bats[,i],data=bats)-> models[[i]]
}

我知道，錯誤信息是由“蝙蝠”數據產生的，但它要求蝙蝠是列表，對嗎？ 如此制作。 起初，我認為它可能是指由as.list制成的列表，例如：

as.list(rep(NA, 44)) ->bats

  for (i in 1:44) {
      glm(log(Tbra+1)~bats[,i],data=bats)-> models[[i]]
    }

但這沒什么用。 有什么想法嗎？

Answer 1

循環生成模型列表。 每個模型都嘗試使用來自數據的單個變量來預測響應log(Tbra + 1) 。 然后函數model.sel()進入列表，評估每個人的AIC，然后將它們與每個變量的系數，對數似然性等一起顯示在表格上。