如何使用多元向后回归将分类输入分配给 R 中的专用因变量和自变量？

如何解决如何使用多元向后回归将分类输入分配给 R 中的专用因变量和自变量？

我是 R 的初学者，对于任何误解和拼写错误，我深表歉意。我正在尝试对测量进行统计分析，该测量是时间、纵向数据的函数。统计学家告诉我用反向方法进行多元回归，以找出哪个自变量对测量没有影响。请参阅下面的示例数据结构，

时间	材质	变量	温度	潮湿	声音
1	X	3.1	23	2	8
2	X	2.8	23	2	8
3	X	2.8	23	2	8
4	X	2.2	23	2	8
1	Y	4.9	27	2	12
2	Y	5.2	27	2	12
3	Y	3,8	27	2	12
4	Y	1.1	27	2	12

总结数据，变量（Variable）为每种材料（Material），即材料X测量四秒（时间），每种材料类型在一定且恒定的环境影响下测量。此外，由于我们不断测量数据，环境影响和变量与时间相互作用。我想使用多元回归模型找出哪些环境影响对变量有/没有影响。

请看下面我的代码，

output <- lm(Variable~TemP*Time+Humid*Time+Sound*Time,data = dt)
summary(output)
step(output,direction="backward")

我不确定如何将材料类型分配给变量（相关测量）和专用自变量，即温度。例如，材料 X 在温度为 23 度、湿度为 2% 且声音分贝为 8 的情况下连续记录四秒钟。类似地，材料 Y 使用恒定的独立变量（即温度为 27 度）进行测量。请注意，X 和 Y 材料在相同的设置中进行了测试，以评估振动变量。第二个问题，variable 是否也应该与 Time 交互，比如这个应用的 Varialble*Time？

下面给出的所有输入都是数字，除了 Material 是分类的。

感谢您的宝贵时间和支持。

此致，

蒂姆