使用Logistic回归找到预测变量和Akaike信息准则值的相关组合

Question

我目前正在研究一个数据集，该数据集包含100个4个预测变量的值以及100个二进制结果的值（取值0和1）。

1. 我想通过逻辑回归确定哪个预测因子是一个好的预测因子（重要且有影响力）？
2. 我想检查预测变量的组合是否可以更好地预测二进制结果？
3. 如何在MATLAB中针对不同预测变量组合计算Akaike信息准则值？

我对逻辑回归有非常基本的了解，我也非常感谢MATLAB的代码框架，它可以帮助解决上述问题。

我已经尝试过在MATLAB中使用glmfit和stepwiseglm等功能。

X = ([Predictor_input(:,1:5)]);   % 5 Predictors
Y = ([Binary_outcome(:,1)]); % Binary outcome

% Using glmfit getting only one model outcome:
% Determination of model coefficients and stats:
[b, dev, stats] = glmfit(X,Y,'binomial','link','logit'); %none
[PHat, LowerCIWidth, UpperCIWidth] = glmval(b,X,'logit',stats);

% Using stepviseglm:    
stepwiseglm(X,Y,'constant','upper','linear','distr','binomial','Criterion','aic','Verbose',2)

我希望使用stepwiseglm来尝试不同的预测变量组合并输出最佳组合，但似乎可以单独评估（并非所有组合）。