6

我正在尝试执行具有随机效应的逐步模型，其中我可以获得 BIC 值。

lmerTest 包说它可以与 lme4 一起使用，但是如果我从模型中删除我的一个自变量（这是一个有两个选项 (TM) 的因素），我只能让它工作

错误代码是：

$<-( , 公式, 值 = 术语)中的错误*tmp*：没有分配此 S4 类的子集的方法

或者

as_lmerModLmerTest(model) 中的错误：模型不属于“lmerMod”类：无法强制转换为“lmerModLmerTest”类

我在某处读过它可能与 drop1 有关，但我仍然没有弄清楚。我也愿意接受其他软件包和功能的建议。

之前，尝试 full.model <- lm ( ... 一切正常。更改为 lmer 后，它不再存在。

我现在使用的代码：

full.model <- lme4::lmer(dep ~ TM + ind + (1 | dorp),  data=test)  #lmerTest:: give same outcome

step.model<- lmerTest::step(full.model, direction="both",k=log(16))   # n=16

summary(step.model)

BIC(step.model)

#Example dataset

test <- data.frame(TM = as.factor(c(rep("org", 3), rep("min", 3),rep("org", 3), rep("min", 3),rep("org", 3), rep("min", 3))),
                   dep = runif(18,0,20),
                   ind = runif(18,0,7),
                   dorp = as.factor(c(rep(1,6),rep(2,6),rep(3,6))))
4

1 回答 1

4

问题是lmerTest::step.lmerModLmerTest在随机效应选择阶段从模型中消除所有随机效应时会中断。它可能不应该（我认为该软件包的早期版本可能不会），但解决起来并不难。您可以指定不应简化随机效应模型 ( step(full.model, reduce.random=FALSE))，或者，当您遇到此错误时，丢弃模型的随机效应分量，然后step()在生成的线性模型上使用：

fixmodel <- lm(formula(full.model,fixed.only=TRUE),
               data=eval(getCall(full.model)$data))
step(fixmodel)

（因为它包括eval()，这将只在 R 可以找到data=参数引用的数据框的环境中工作）。

我已经提交了一个关于这个问题的问题。

此外（令人困惑），与包中的stats::step有不同的论点/做出不同的假设。定义为step.lmerModLmerTestlmerTeststats::step

step(object, scope, scale = 0,
     direction = c("both", "backward", "forward"),
     trace = 1, keep = NULL, steps = 1000, k = 2, ...)

而step.lmerModLmerTest使用

step(object, ddf = c("Satterthwaite",
  "Kenward-Roger"), alpha.random = 0.1, alpha.fixed = 0.05,
  reduce.fixed = TRUE, reduce.random = TRUE, keep, ...)

特别是，该direction论点不适用（step.lmerModLmerTest仅向后消除）；不是k（我相信step.lmerModLmerTest使用 AIC，但我必须仔细检查）。

set.seed(1001)
dd <- data.frame(x1=rnorm(500),x2=rnorm(500),
                 x3=rnorm(500),f=factor(rep(1:50,each=10)))
library(lme4)
dd$y <- simulate(~x1+x2+x3+(1|f),
                 newdata=dd,
                 newparams=list(theta=1,beta=c(1,2,0,0),
                                sigma=1),
                 family=gaussian)[[1]]
library(lmerTest)
full.model <- lmer(y~x1+x2+x3+(1|f), data=dd)
step.model<- step(full.model)

step.model有课step_list；有打印方法，但没有汇总方法。

于 2019-04-12T11:22:21.003 回答