我们能否使用lmer对混合模型进行向后消除法？

Question

6

我在混合模型中使用了以下语法，然后进行了步骤，但它没有起作用。

通常是否像这样工作，或者我实际上不能使用lmer的向后消除？谢谢！

fullmodel<-lmer(Eeff~NDF+ADF+CP+NEL+DMI+FCM + (1|Study),data=na.omit(phuong))
step(fullmodel, direction = "backward", trace=FALSE )

- hn.phuong

3个回答

2

你可以做到，只是不能使用阶跃函数。由于你的模型只是加法模型，所以手动计算不应该需要太长时间。

- John

3

我会尽力为您翻译：我相信 drop1 有效。此外（如其他评论所述），尝试谷歌搜索“Harrell逐步回归”以获取有关逐步回归方法更深入批评的信息... - Ben Bolker

-1

你需要的函数是来自于MASS包的stepAIC。

stepAIC（和step）默认使用AIC，这与留一交叉验证渐近等价。

至于尖锐的批评，专业知识是模型选择的一个很好的起点，但我经常看到这被用作将制定复杂统计决策的责任转移给不了解统计学的应用研究人员的借口。

编辑：抱歉，我的错，我误读了你的问题，我以为你说的是“lme”而不是“lmer”。我不知道stepAIC是否支持lmer。

- bokov

正如我在上面的评论中所说，我非常确定stepAIC与lmer不兼容。然而，drop1在开发版本中可以很好地工作。我当然不想欺骗任何人，但我也不觉得有责任花费大量精力使stepAIC能够工作... - Ben Bolker

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Mikko · Accepted Answer

你可以使用 lmerTest 包来实现此操作:

library(lmerTest)
step(fullmodel)

在我用相对复杂的数据测试了这个函数之后，它似乎能够产生可行的模型选项。