基于AIC的混合效应模型选择答案

【问题标题】：Model selection for mixed effects models based on AIC基于AIC的混合效应模型选择
【发布时间】：2021-12-28 19:42:44
【问题描述】：

我想拟合一个混合效应模型并获得 AIC 排名前十的候选模型列表。对于固定效应模型，我使用 glmulti:glmulti 函数来拟合模型，并使用 glmulti:weightable 函数来获取按 AIC 排名的候选模型列表，这给出了以下输出：

##                              model     aicc      weights
## 1          outcome ~ 1 + ist + hwt 188.3154 0.6044616289
## 2 outcome ~ 1 + ist + hwt + troadn 190.3552 0.2179837514
## 3                outcome ~ 1 + hwt 191.7862 0.1065837756
## 4       outcome ~ 1 + hwt + troadn 193.5704 0.0436764670
## 5                outcome ~ 1 + ist 195.8793 0.0137685009
## 6       outcome ~ 1 + ist + troadn 196.3339 0.0109688767
## 7             outcome ~ 1 + troadn 200.0687 0.0016949662
## 8                      outcome ~ 1 201.4210 0.0008620334

是否有一个等效的包可以使用混合效果模型完成这些相同的步骤？我使用 lme4::glmer 函数来拟合混合效果模型，但这不会产生基于 AIC 分数的顶级模型列表。是否有替代功能/包，或者此过程未与混合效果模型一起使用？

我想获得前 10 个候选模型的列表（结果 ~ 性别 + 季节 + 年份 + (1 | obsname) + (1 | 鸟），数据 = 检测，家庭 = 二项式）。

【问题讨论】：

可以逐步选择：stackoverflow.com/questions/55638476/… ;我不知道是否存在随机效应可能性的所有子集的类似物。

标签： r lme4 mixed-models

【解决方案1】：

视情况而定。

MuMIn::dredge() 将适合混合模型的固定效果 组件的所有子集（?"MuMin-models" 提供完整列表，包括 lmer 和 glmer 对象等）。
lmerTest::step() 将对lmer 模型（但不是glmer 模型）进行反向逐步减少（但不是所有子集拟合）。 repsychling package（在 GitHub 上）的小插曲中有一些关于逐步模型缩减的讨论/指导，但不是自动执行此操作的软件。

我不知道有任何机制可以对 R 中混合模型的随机效应分量进行自动全子集评估（这并不意味着它不存在......）

【讨论】：