R中的逐步回归误差

我想在R中运行逐步回归以选择最佳拟合模型，我的代码附在此处：

full.modelfixed <- glm(died_ed ~ age_1 + gender + race + insurance + injury + ais + blunt_pen + 
               comorbid + iss +min_dist + pop_dens_new + age_mdn + male_pct + 
               pop_wht_pct + pop_blk_pct + unemp_pct + pov_100x_npct +
               urban_pct, data = trauma, family = binomial (link = 'logit'), na.action = na.exclude)
reduced.modelfixed <- stepAIC(full.modelfixed, direction = "backward")

数据中几乎每个变量都有一些缺失值，因此我无法删除所有缺失值（data=na.omit（data））

你知道怎么解决这个问题吗

---

谢谢

这可能会出现在统计论坛（stats.stackexchange）中，但简单地说，这里有一些注意事项

主要的一点是，在比较两个模型时，它们需要拟合在同一个数据集上（即，您需要能够将模型嵌套在彼此之间）

例如

glm1 <- glm(Dependent~indep1+indep2+indep3, family = binomial, data = data)
glm2 <- glm(Dependent~indep2+indep2, family = binomial, data = data)

---

glm1您可以使用软件包进行插补，然后使用数据集不会给您带来错误
看起来更像是一个统计问题而不是编程问题-可能更适合stats.stackexchange。也许你想插补缺失的数据？使用多重插补来填充缺失值，避免逐步回归，因为它有严重的统计问题，并且有更好的方法可用。
glm1 <- glm(Dependent~indep1+indep2+indep3, family = binomial, data = data)
glm2 <- glm(Dependent~indep2+indep2, family = binomial, data = data)