如何并行运行dredge函数？遇“no nobs method”错误求解决

你在使用MuMIn包的dredge函数并行处理多变量模型时遇到报错，可复现代码如下：

library(palmerpenguins)
library(MuMIn)
library(dplyr)

# 创建并清理数据集
penguin <- penguins %>% 
  mutate(across(c(bill_length_mm, bill_depth_mm, flipper_length_mm, body_mass_g), as.numeric)) %>%
  filter(sex != "")

# 设置na.action避免模型拟合到不同数据集
options(na.action = "na.fail")

# 构建模型
model1 <- lm(bill_length_mm~bill_depth_mm+flipper_length_mm+body_mass_g, data=penguin)

# 初始化并行集群
no_cores <- detectCores() - 1
cl <- makeCluster(no_cores)

# 导出模型并加载包
clusterExport(cl, "model1")
clusterEvalQ(cl, library("MuMIn"))

# 运行并行dredge
combinations1 <- parLapply(cl, model1, MuMIn::dredge)

# 停止集群
stopCluster(cl)

运行后报错：

Error in checkForRemoteErrors(val) :
7 nodes produced errors; first error: no 'nobs' method is available

错误原因 #

• parLapply使用逻辑错误：该函数会将第二个参数的每个元素单独传给第三个函数。直接传入model1（一个lm对象）时，它会被拆分成模型的各个组件（如系数、残差等），每个子进程拿到的不是完整模型，而是模型的某个部分，导致dredge无法识别对象类型，找不到nobs（观测数）方法。
• 额外隐患：即使传递完整模型，子进程可能无法访问模型依赖的原始数据集（模型的环境绑定在主进程），也会导致拟合失败。

解决方法 #

方法1：使用MuMIn自带的并行支持（推荐） #

MuMIn本身集成了并行功能，无需手动调用parLapply，只需设置mc.cores参数即可：

library(palmerpenguins)
library(MuMIn)
library(dplyr)

# 数据处理同前
penguin <- penguins %>% 
  mutate(across(c(bill_length_mm, bill_depth_mm, flipper_length_mm, body_mass_g), as.numeric)) %>%
  filter(sex != "")

options(na.action = "na.fail")
model1 <- lm(bill_length_mm~bill_depth_mm+flipper_length_mm+body_mass_g, data=penguin)

# 开启多核并行（设置为可用核心数-1）
options(mc.cores = detectCores() - 1)

# 直接运行dredge，自动并行
combinations1 <- dredge(model1)

# 关闭并行（可选）
options(mc.cores = 1)

注：Windows系统下mc.cores可能无法直接生效，此时需要先初始化集群并调用MuMIn的clusterSetup：

library(parallel)
no_cores <- detectCores() - 1
cl <- makeCluster(no_cores)
clusterEvalQ(cl, library(MuMIn))
clusterSetup(cl)

combinations1 <- dredge(model1)

stopCluster(cl)

方法2：修正parLapply的用法 #

如果一定要手动用parLapply，需要将模型放在一个列表中，确保每个子进程拿到完整的模型对象，同时导出模型依赖的数据集：

library(palmerpenguins)
library(MuMIn)
library(dplyr)
library(parallel)

# 数据处理同前
penguin <- penguins %>% 
  mutate(across(c(bill_length_mm, bill_depth_mm, flipper_length_mm, body_mass_g), as.numeric)) %>%
  filter(sex != "")

options(na.action = "na.fail")
model1 <- lm(bill_length_mm~bill_depth_mm+flipper_length_mm+body_mass_g, data=penguin)

# 初始化集群
no_cores <- detectCores() - 1
cl <- makeCluster(no_cores)

# 导出模型和数据集，加载必要包
clusterExport(cl, c("model1", "penguin"))
clusterEvalQ(cl, library(MuMIn))

# 将模型放入列表，确保parLapply传递完整对象
combinations1 <- parLapply(cl, list(model1), MuMIn::dredge)

# 停止集群
stopCluster(cl)

# 提取结果（因为返回的是列表，取第一个元素）
combinations1 <- combinations1[[1]]

内容的提问来源于stack exchange，提问作者Jason Edelkind