基于AIC的混合效应模型选型 求等效glmulti的R实现方案

适用场景说明 #

你提到的按AIC排序筛选模型的流程完全适用于混合效应模型，通常我们会先固定随机效应结构，再对固定效应的组合做枚举筛选，和你之前固定效应模型的选型逻辑一致。

方法1：沿用你熟悉的glmulti包，无需切换工具 #

glmulti支持自定义拟合函数，你只需要固定随机效应结构、指定用glmer拟合即可，完全兼容你之前的使用习惯：

library(glmulti)
library(lme4)

# 自定义拟合函数，固定你的随机效应、数据集、分布参数
glmer_custom <- function(formula, data = detect, family = binomial) {
  # 拼接固定效应与预设随机效应
  full_form <- as.formula(paste0(as.character(formula)[2], " ~ ", 
                                 as.character(formula)[3], 
                                 " + (1 | obsname) + (1 | bird)"))
  # 用ML拟合，REML不可用于固定效应结构不同的模型比较
  mod <- glmer(full_form, data = data, family = family, na.action = na.fail)
  return(mod)
}

# 启动枚举，仅对固定效应做组合筛选
res <- glmulti(outcome ~ sex + season + year, 
               fitfunc = glmer_custom, 
               critfunc = AIC,
               level = 1, # 1表示仅筛选主效应，需加交互项可改为2
               method = "h") # h为全枚举，变量过多可改用遗传算法"g"

# 按你之前的习惯提取排序后的列表，取前10个
head(weightable(res), 10)

方法2：用MuMIn::dredge，混合效应模型选型更常用的工具 #

该包专门做多模型推断，对lme4系列模型适配性更好：

library(lme4)
library(MuMIn)

# 先拟合包含所有待筛选固定效应的全模型
full_mod <- glmer(outcome ~ sex + season + year + (1 | obsname) + (1 | bird), 
                  data = detect, family = binomial, na.action = na.fail)

# 枚举所有固定效应组合，按AIC自动排序
dredge_res <- dredge(full_mod, rank = "AIC")

# 提取前10个候选模型，输出包含AIC、delta AIC、AIC权重等信息
head(dredge_res, 10)

注意事项 #

• 不要同时枚举随机效应和固定效应的组合，建议先通过似然比检验确定最优随机效应结构后，再做固定效应的筛选
• 若待筛选的固定效应数量较多，全枚举计算量会指数级增长，可改用启发式搜索减少计算量
• 若要计算校正AIC（AICc），把排序规则改为rank = "AICc"即可

内容的提问来源于stack exchange，提问作者user17047272