如何循环GLM模型模型选择（model.sel）

Question

我试图选择最佳模型通过它的AIC。我得到这个代码，我被告知这是自动进行GLM模型的组合，但我真不明白它是如何的作品。

可能有人可以解释我是如何工作的简单的话，如何能使其运行，因为我不能。

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)

编辑1

我对这个代码更多的问题。

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

什么手段（NA，44）？该列表是如何形成的？我想知道的是，名单必须从数据库中进行，但这个代码做了空单，我不明白为什么。

2.

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

据我所知，GLM由“蝙蝠”的数据做出的，但它需要的是蝙蝠的名单，对不对？那么它是如何做。起初我以为，也许这指的是由as.list等制成的名单：

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

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

不过，这并不做的事情。有什么想法吗？

Answer 1

循环使得模型的列表。每个模型试图预测log(Tbra + 1)使用单个可变从数据的响应。然后函数model.sel()需要在列表中，评估每个人的AIC然后将其显示在一个表格，表格中每个变量的数似然等系数沿