後方消去を行う場合、複数レベルのカテゴリ変数をどのように処理する必要がありますか？

私は、いくつかの変数が複数のレベルを持つカテゴリー変数である、単純なAICベースの後方消去モデルを実行しています。これらの変数は、ダミー変数のセットとしてモデル化されます。後方消去を行うとき、変数のすべてのレベルを一緒に削除する必要がありますか？または、各ダミー変数を個別に処理する必要がありますか？なぜ？

関連する質問として、Rのステップは、後方削除を行うときに各ダミー変数を個別に処理します。カテゴリ変数全体を一度に削除したい場合、stepを使用して削除できますか？それともこれを処理できるステップの代わりはありますか？

カテゴリ変数全体を削除する必要があると思います。人が病気にかかっているかどうかを予測しようとするロジスティック回帰を想像してみてください。出生国がそれに大きな影響を与える可能性があるため、モデルに含めます。特定のUSAmerican出身地がAICに影響を及ぼさなかったためにそれを落とした場合、アメリカ人のをどのように計算しますか？Rはデフォルトで因子の参照コントラストを使用するので、たとえあったとしても、それらは参照レベル（たとえば、ボツワナ）で計算されるだけだと思います。それはおそらくうまくいかないでしょう...$\hat{y}$

より良いオプションは、出生国の適切なエンコーディングを事前に分類することです-地域、大陸などに折りたたみ、どれがモデルに最も適しているかを見つけます。

もちろん、段階的な変数選択を誤用する方法はたくさんありますので、適切に行っていることを確認してください。しかし、このサイトにはそれについてたくさんあります。「段階的」を検索すると、いくつかの良い結果が表示されます。 これは特に適切で、答えにはたくさんの良いアドバイスがあります。

国の例について言えば、特定の国のダミー変数が選択されている場合、それはこの国が他の国すべてと比較して予測変数であることを意味します（新しいバイナリ変数を作成する必要はありません）。私がよく持っている問題は、たとえば、疾患の重症度（-、+、++、+++など）を反映するダミー変数です。++のダミー変数が選択されても、+++のダミー変数が選択されない場合があります。この場合、再分類が役立つことがあります。