拟合GLMER模型时筛选最优变量,step、glmmTMB失效如何解决?
GLMER模型变量筛选解决方法
base R的step函数未适配lme4生成的merMod类模型对象,因此直接调用会失效,你可以选择以下三种方案完成变量筛选:
- 方案1:使用
lmerTest包的适配版step()函数
该包的step方法专门适配混合效应模型,支持按AIC或似然比检验完成逐步变量筛选,示例代码如下:
# 加载依赖包 library(lme4) library(lmerTest) # 拟合全量基准模型 full_model <- glmer(SARA_ph58 ~ `Melk T`+VetT+EiwT+`VET EIWIT ratio`+LactT+CelT+UrmT+vetg+eiwitg+lactg+`DS opname`+`boluses per day`+`chewings per bolus`+`rumination (min/d)`+ Activiteit + (1|experiment), data = dataset1geenNA, family = binomial()) # 执行逐步筛选,你的随机效应只有(1|experiment)无需筛选,因此关闭随机效应筛选开关 step_result <- step(full_model, reduce.random = FALSE, reduce.fixed = TRUE) # 提取筛选后的最优模型 final_model <- get_model(step_result) summary(final_model)
- 方案2:使用
MuMIn包的dredge()函数做全子集筛选
如果你的设备算力充足,全子集筛选会遍历所有变量组合,按信息准则排序输出最优模型,结果更全面,示例代码如下:
# 加载依赖包 library(lme4) library(MuMIn) # 拟合全量基准模型,dredge要求设置na.action=na.fail,你当前使用的无缺失值数据集符合要求 full_model <- glmer(SARA_ph58 ~ `Melk T`+VetT+EiwT+`VET EIWIT ratio`+LactT+CelT+UrmT+vetg+eiwitg+lactg+`DS opname`+`boluses per day`+`chewings per bolus`+`rumination (min/d)`+ Activiteit + (1|experiment), data = dataset1geenNA, family = binomial(), na.action = na.fail) # 执行全子集筛选,默认按AIC排序,可修改rank参数指定AICc、BIC等排序规则 dredge_result <- dredge(full_model, rank = "AICc") # 查看排名前5的候选模型 head(dredge_result, 5) # 提取排名第一的最优模型 best_model <- get.models(dredge_result, 1)[[1]] summary(best_model)
注意:如果自变量之间存在强共线性,全子集筛选结果会不稳定,建议先做共线性诊断剔除VIF>5的变量后再执行筛选
- 方案3:手动逐步筛选(可控性最高,避免过拟合)
如果不希望依赖自动化函数的筛选逻辑,可手动基于似然比检验逐一剔除无统计学意义的变量,操作步骤如下:
- 拟合全量模型,查看固定效应的显著性水平,找到p值最高的变量
- 剔除该变量后拟合简化模型,用
anova()函数对全量模型和简化模型做似然比检验 - 若检验结果无显著性差异,说明该变量可被剔除,重复上述步骤直到所有保留变量符合你的筛选标准
示例代码:
# 拟合全量模型 full_model <- glmer(SARA_ph58 ~ `Melk T`+VetT+EiwT+`VET EIWIT ratio`+LactT+CelT+UrmT+vetg+eiwitg+lactg+`DS opname`+`boluses per day`+`chewings per bolus`+`rumination (min/d)`+ Activiteit + (1|experiment), data = dataset1geenNA, family = binomial()) summary(full_model) # 示例:剔除p值最高的Activiteit变量,拟合简化模型 reduced_model <- update(full_model, . ~ . - Activiteit) # 似然比检验判断是否可以剔除该变量 anova(full_model, reduced_model)
内容的提问来源于stack exchange,提问作者PietroFleer
相关产品推荐
相关产品推荐

