Как упорядочить модели от лучших к худшим на основе AIC из результата lapply в R

В настоящее время вы объединяете объекты списка с методами stepAIC и AIC, которые выполняются на определенных компонентах. Конкретно,

1. Функция stepAIC в пакете MASS выполняется на отдельных объектах модели (например, lm типов классов), а не на сводке объектов модели и не на списке объектов модели (т.е. polys) с вашей неудачной попыткой: stepAIC(polys).

2. Функция AIC в пакете MASS выполняется на отдельных объектах модели обычно после вызова stepAIC и не является элементом возврата с вашей неудачной попыткой: polys$AIC.

Рассмотрите следующий рефакторинг вашего кода с начальными данными для воспроизводимости для сортировки списка lm-объектов, polys, по возрастанию значений AIC:

library(MASS)

set.seed(50619)    
#... same data build code ...

# LIST OF lm OBJECTS (NO SUMMARY)
polys <- lapply(df[,-1], function(x) lm(dep ~ poly(x, 3, raw = TRUE), data = df))

# SORTED VECTOR OF AIC VALUES (USING sapply)
AIC_vec <- sort(sapply(polys, function(x) AIC(stepAIC(x))))
AIC_vec
#     ind1     ind3     ind2     ind4     ind5 
# 297.1865 352.3694 352.8260 352.8260 352.8260

# SORTED polys BY AIC (BEST TO WORST)
sorted_polys <- polys[names(AIC_vec)]

Вот одно из решений:

ind1 <- rnorm(100)
ind2 <- rnorm(100)
ind3 <- rnorm(100)
ind4 <- rnorm(100)
ind5 <- rnorm(100)
dep <- rnorm(100, mean=ind1)

df <- data.frame(dep,ind1, ind2, ind3, ind4, ind5)

# Create all the models
polys <- lapply(df[,-1], function(x) (lm(dep ~ poly(x, 3, raw = TRUE), data = df)))

# Find the best predictors using `setpAIC()`
mod <- lapply(polys, MASS::stepAIC)

# Calculate the AIC of each model and sort it increasingly.
i <- order(unlist(lapply(mod, AIC)))

# Show the models starting with the lowest AIC first
mod[i]