r语言 - GLMM - 是否可以限制变量组合

Question

假设我想查看GLMM的所有可能变量组合（使用lme4），但我不想在模型中同时考虑两个变量。我该怎么做？例如，我想考虑 3 个固定效应和 3 个随机效应，但我不希望在模型中同时考虑任何随机或固定效应。如果我以这种方式构建模型：

model1 <- glmer(x~var1+var2+var3+(1|var4)+(1|var5)+(1|var6),
 data=data1)

我使用MuMIn::dredge()函数（稍后执行模型平均），我将获得它们之间所有可能的组合，但我不希望(1|var4)与(1|var5)处于同一模型中。

那么，是否可以限制模型组合？这样我就可以避免不必要的模型并节省计算时间。

Answer 1

以防万一有人正在寻找更新的解决方案......现在，您可以使用 dredge 的子集参数更轻松地执行此操作：

#full model
model1 <- glmer(x~var1+var2+var3+(1|var4)+(1|var5)+(1|var6),data=data1)
#exclude models containing both (1|var4) & (1|var5) at the same time
dredge(model1, subset = !((1|var4) && (1|var5)))

Answer 2

我不知道如何在MuMIn::dredge()内执行此操作（但请参阅下面的尝试）。

 set.seed(101)
 dd <- data.frame(x=rnorm(1000),
                 var1=rnorm(1000),
                 var2=rnorm(1000),
                 var3=rnorm(1000),
                 var4=sample(factor(sample(1:20,size=1000,replace=TRUE))),
                 var5=sample(factor(sample(1:20,size=1000,replace=TRUE))),
                 var6=sample(factor(sample(1:20,size=1000,replace=TRUE))))
 library(lme4)
 m0 <- lmer(x~var1+var2+var3+(1|var4)+(1|var5)+(1|var6),dd,REML=FALSE,
            na.action=na.fail)

如果我们尝试使用 m.lim 参数，它只对固定效应进行子集化，但保留所有随机效应项：

dredge(m0,m.lim=c(0,1))
## Model selection table 
##   (Intrc)      var1     var2    var3 df    logLik   AICc delta weight
## 1 0.02350                             5 -1417.485 2845.0  0.00  0.412
## 3 0.02389           -0.03256          6 -1416.981 2846.0  1.02  0.248
## 5 0.02327                    0.02168  6 -1417.254 2846.6  1.56  0.189
## 2 0.02349 -0.002981                   6 -1417.480 2847.0  2.02  0.151
## Models ranked by AICc(x) 
## Random terms (all models): 
## ‘1 | var4’, ‘1 | var5’, ‘1 | var6’

按照demo(dredge.subset)，我尝试了这个作为示例：

dredge(m0,
     subset=expression(!( (var1 && var2) || ((1|var4) && (1|var5)))))

但得到了

Error in dredge(m0, subset = expression(!((var1 && var2) || ((1 | var4) &&  : 
  unrecognized names in 'subset' expression: "var4" and "var5"

我找不到任何关于如何在具有不同随机效应的模型之间进行疏浚/模型平均的文档MuMIn::dredge()（事实上，我不相信这是一个好主意）。 如果要拟合所有模型，只用一个固定效应项和一个随机效应项，可以按如下方式操作：

设置所有组合：

fvars <- paste0("var",1:3)
gvars <- paste0("(1|var",4:6,")")
combs <- as.matrix(expand.grid(fvars,gvars))

现在适合它们：

mList <- list()
for (i in 1:nrow(combs)) {
    mList[[i]] <- update(m0,
          formula=reformulate(combs[i,],response="x"))
}

现在您可以使用lapply或sapply对列表的元素进行操作，例如：

lapply(mList,formula)
## [[1]]
## x ~ var1 + (1 | var4)
## 
## [[2]]
## x ~ var2 + (1 | var4)
## 
## [[3]]
## x ~ var3 + (1 | var4)
## 
## [[4]]
## x ~ var1 + (1 | var5)
## ... et cetera ...
bbmle::AICtab(mList,weights=TRUE)
##        dAIC df weight
## model5 0.0  4  0.344 
## model6 0.5  4  0.262 
## model4 1.0  4  0.213 
## model8 4.1  4  0.044 
## ... et cetera ...

。但是你必须更加努力地进行模型平均。你可以尝试[e-mail]、[e-mail]或给MuMIn的维护者发电子邮件（maintainer("MuMIn")）...