如何建立具有随机效应的逐步模型(lme4 + lmerTest?)

Question

我试图执行一个具有随机效应的逐步模型，其中我可以得到一个BIC值。

lmerTest包表示它适用于lme4，但只有从模型中删除一个自变量(这是一个有两个选项的因素(TM))，我才能让它工作。

错误代码是：

$<-中的错误(*tmp*，公式，值=术语)：没有分配此S4类子集的方法

或

As_lmerModLmerTest(模型)中的错误:模型非类'lmerMod'：无法强迫类'lmerModLmerTest‘

我在某个地方读过，它可能与drop1有关，但我仍然没有弄清楚。我也愿意听取其他方案和功能的建议。

之前，当尝试full.model <- lm (.一切正常。在换成lmer之后，就不再是这样了。

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))))

Answer 1

问题是在随机效应选择阶段，当模型中的所有随机效应都被消除时，lmerTest::step.lmerModLmerTest就会中断。它可能不应该(我认为早期版本的包可能不是)，但它并不是太困难的工作。您可以指定不应简化随机效果模型(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组件，然后对生成的线性模型使用step()：

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

(因为它包含eval()，所以这只能在R可以找到data=参数所引用的数据框架的环境中工作)。

我已经提交了一个关于这个问题的问题。

此外(令人困惑的是)，stats::step与lmerTest包中的step.lmerModLmerTest有不同的参数/做出不同的假设。stats::step被定义为

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，direction参数不适用(step.lmerModLmerTest只执行向后消除)，k也不适用(我相信step.lmerModLmerTest使用AIC，但我必须反复检查)。

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有类step_list；有一个打印方法，但没有汇总方法。