R 如何在glm中删除变量的单个方面？

我目前正在分析蝙蝠箱的占用率以及影响占用率的因素。为了确定最重要的因素，我正在运行glm。我的响应变量是二进制数据（0=已占用/1=未占用），我的解释变量是数字execpt一个分类变量，4个级别的蝙蝠箱安装在树/杆/阳台/立面上）

因此，我在glm中拟合了我的所有因子：

modelb <- glm(occupation ~ TreeCov500 + distance + Water2000 + greenvol + height + age + shadow + exposition + number_of_boxes + mounted_on)

---

modelbon

为什么要在变量

mounted\u中删除类别（
树
）之一？我想这是你想看到的结果。这意味着与基线相比，
树
，没有显示显著的平均值。这是一个有意义的结果，你是对的。我在另一个论坛上找到了类似的答案。所以我必须保留所有的虚拟变量。但现在又出现了另一个问题：我希望尽可能多地去除不重要的变量，直到达到尽可能低的AIC。我的三个虚拟变量有不同的p值。当我比较变量的不同p值时，我是否使用三个虚拟变量中最低的p值与其他变量（如高度等）进行比较？（我希望问题足够清楚）我觉得对于虚拟变量，使用最低的P值是可以的。为什么要在变量
挂载的
中删除一个类别（
TREES
）？我想这是你想看到的结果。这意味着与基线相比，
树
，没有显示显著的平均值。这是一个有意义的结果，你是对的。我在另一个论坛上找到了类似的答案。所以我必须保留所有的虚拟变量。但现在又出现了另一个问题：我希望尽可能多地去除不重要的变量，直到达到尽可能低的AIC。我的三个虚拟变量有不同的p值。当我比较变量的不同p值时，我是否使用三个虚拟变量中最低的p值与其他变量（如高度等）进行比较？（我希望问题足够清楚）我觉得对于虚拟变量，使用最低的P值是可以的。
modelc<-update(modelb,~. -mounted_onTREES)