R中stepAIC与SPSS中stepwise的差异

Question

我在学习SPSS并在几篇论文中使用SPSS进行统计后，正在尝试学习R。我也一直在用我的数据来帮助我学习和理解R。在我的数据中，我不得不在SPSS中找到一些线性回归，使用逐步比较来消除不"适合"模型的变量。我尝试在MASS包中使用stepAIC，因为我认为它是等效的，并且得到了一些完全不同的输出，以及我不理解并且必须查找的东西。我的问题是，SPSS和stepAIC中stepwise的区别是什么?(循序渐进比循序渐进更保守?)是否有一种方法来编写步进代码，将等同于逐步?或者有别的方案可以帮我?

下面是我的代码:

mydata <- read.csv("Eric.csv")
AveSBP <- mydata[, 3]
MaxVi <- mydata[, 7]
PeakForce <- mydata[, 8]
MaxPO <- mydata[, 9]
Height <- mydata[, 10]
BMI <- mydata[, 11]
NeckCirc <- mydata[, 12]
ArmLength <- mydata[, 13]
ArmSpan <- mydata[, 14]
WaistCircum <- mydata[, 15]
LegLength <- mydata[, 16]
FatAth <- mydata[, 17]
Diff <- mydata[, 18]
Ratio <- mydata[, 19]
lm1 <- lm(AveSBP ~ MaxVi + PeakForce + MaxPO + Height + BMI + NeckCirc + ArmLength + ArmSpan + WaistCircum + LegLength + FatAth + Diff + Ratio)
summary(lm1)
stepAIC(lm1, directions="both")

我在Windows 7 Pro x64, R x64 3.1.0和SPSS x64 v21上运行它们。

Answer 1

SPSS在线性回归中不使用逐步(向前或向后)的AIC标准，因此不能保证它们会收敛到相同的解。参见SPSS帮助文件中的回归和f值标准。

在谷歌上快速搜索一下，Joris Meys给出了一个R函数的答案来复制这种类型的选择标准。

必须注意，你真的想用逐步回归来选择模型吗?