为什么step()使用lmerTest向后消除完全模型返回奇怪的结果

Question

我不明白为什么lmerTest中的处理步骤(模型)的结果是异常的。

m0 <- lmer(seed ~ connection*age + (1|unit), data = test)

step(m0)

注意：“连接”和“年龄”都设置为as.factor()

 Random effects:
      Chi.sq Chi.DF elim.num p.value
 unit   0.25      1        1  0.6194

 Fixed effects:
 Analysis of Variance Table

 Response: y
                Df  Sum Sq  Mean Sq F value  Pr(>F)  
 connection      1 0.01746 0.017457  1.5214 0.22142  
 age             1 0.07664 0.076643  6.6794 0.01178 *
 connection:age  1 0.04397 0.043967  3.8317 0.05417 .
 Residuals      72 0.82617 0.011475                  
 ---
 Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

 Least squares means:
      Estimate Standard Error DF t-value Lower CI Upper CI p-value

 Final model:

 Call:
 lm(formula = fo, data = mm, contrasts = l.lmerTest.private.contrast)

 Coefficients:
      (Intercept)       connectionD              ageB  connectionD:ageB  
         -0.84868          -0.07852           0.01281           0.09634 

为什么它不给我看最后的型号？

Answer 1

这里的问题是，根据LR检验，随机效应被排除为NS。然后对固定效应模型采用anova方法，采用"lm“对象，不消除NS固定效应。您说得对，输出与"lmer“对象不同，并且没有(差异)最小二乘的意思。如果你想要后者，你可以试试lsmeans包。为了向后消除最终模型的NS效应，您可以使用stats::step函数。