R 逐步回归-打印截距值

我正在对32个X变量的Y进行逐步回归。这是一个迭代过程，我对100个不同的数据集进行逐步处理。如果Y1的分步结果是“-infinity”（无最佳模型），那么Y应该只等于“intercept valu”，我将使用它来查找预测误差。如果不存在分步式，有没有办法在R中打印截距值？ 任何帮助都将不胜感激

更多信息： 抱歉，不清楚需要什么。以下是我所拥有的： 我有36个预测因子和一个反应模型。最初我有50次观察。现在我需要对这50个观察值进行逐步回归，看看哪些变量是显著的。 然后在第二次迭代中，我再添加10个观察值（总共60个），然后再次逐步运行以研究变量的显著性。因此，我试图通过添加点来依次改进模型。 因此，当逐步进行时，如果结果为负无穷大，这意味着没有任何变量是重要的，因此y的值将只是截距。如果stepwise成功了，那么它将抛出一个包含重要变量的模型。 一旦我得到了逐步模型，我就使用验证数据集找到了错误。 因此，对于特定的迭代，如果逐步为负无穷大，则误差为（实际Y-截距/实际Y），如果逐步存在，则预测误差=（实际Y-Y hat/实际Y） 实际y来自验证集，y来自逐步回归（训练集）

我的要求是，如果步长为负无穷大，R能给我截距值，而不是告诉我越界

for(i in 1:length(tn2_1)){
fit1[[i]] <- lm(Y1~x1+x2+x3+x4+x5+x6+x7+x8+x9+x10+x11+x12+x13+x14+x15+x16+x17+x18+x19+x20+x21+x22+x23+x24+x25+x26+x27+x28+x29+x30+x31+x32,data=d1[[i]] [,c(1:32,33)])
}
    for(i in 1:length(tn2_1)){
stepY1[[i]] <- stepAIC(fit1[[i]],  direction="forward")
stepY1[[i]]$anova # display results
summary(stepY1[[i]])
}

for（i in 1：长度（tn2_1））{
fit1[[i]]在缺少数据示例的情况下，比如4或5个变量和几个数据对象，其中一个数据对象抛出了描述不好的“无穷大值”，这个问题是不连贯的，也就是说没有意义。是的，我当然理解为什么是负无穷大，主要是因为缺少数据点。在这项研究中，我试图增加每次迭代的数据点，看看模型拟合得有多好。因此，如果是负无穷大，它必须只给我截距（因为所有x的系数为0）否则它应该给我一个逐步的结果。这个问题仍然只是稍微有点不连贯。请提供一个可复制的例子，并详细解释你认为什么是你想象应用于例子数据的任何过程的结果。