【发布时间】：2025-12-05 06:20:02
【问题描述】：
我正在尝试使用glmer() 和dredge() 在泊松混合效应模型上运行变量选择。由于几个变量是共线的，我使用dredge 的子集函数来避免相关变量。然而，要有效地使用dredge()，需要有一个包含所有项的完整模型——这可能导致完整模型排名不足。
[2016 年 2 月 15 日编辑] 举一个可重现的例子，让我们生成一个随机数据集：
dfdat<-data.frame(replicate(6, round(rnorm(6),2)))
dfdat$group<-factor(sample(1:2,nrow(dfdat),replace=T))
dfdat$Y<-rpois(nrow(dfdat),10)+rpois(nrow(dfdat),as.numeric(dfdat$group))
dfdat
X1 X2 X3 X4 X5 X6 group Y
1 -0.88 0.05 1.33 -1.51 0.61 -0.09 2 8
2 -0.12 -0.57 0.05 -1.12 0.60 -0.41 1 7
3 0.14 -0.97 -1.04 0.40 0.87 0.27 1 9
4 -1.04 -0.26 -1.33 0.77 -1.84 1.67 1 11
5 -1.06 1.10 -0.09 0.50 -2.62 2.15 1 10
6 -1.74 -0.61 0.72 -0.29 -0.30 -0.93 1 8
尝试运行包含所有 6 个项的模型不起作用，因为模型排名不足：
#library(MuMIn) # not run
#library(lme4) # not run
vars<-names(dfdat)[1:6]
form<-formula(paste0('Y~',paste0(vars,collapse='+'),'+(1|group)'))
fmod<-glmer(form,data=dfdat,family='poisson')
fixed-effect model matrix is rank deficient so dropping 1 column / coefficient
Error: pwrssUpdate did not converge in (maxit) iterations
在fmod 上使用dredge 会导致始终排除glmer 删除的一个变量。
解决方案suggested here 似乎是 1. 运行一个收敛的模型，2. 通过更改收敛模型中的公式来考虑变量的完整列表。
## full model is rank deficient, so use smaller subset
vars.red<-vars[1:3]
form.red<-formula(paste0('Y~',paste0(vars.red,collapse='+'),'+(1|group)'))
fmod.red<-glmer(form.red,data=dfdat,family='poisson')
这个新模型fmod.red 收敛，但只包含变量 X1、X2 和 X3。
现在到“欺骗性挖泥船”部分。上面链接页面上提出的解决方案不适用于glmer，因为mermod 的结构与gamms 不同。所以我尝试使用：
fom.red@call$formula<-form
form 包含我所有的协变量（要进行子集化）。
这不起作用，但使用框架元素中的公式，如下面的卡米尔巴顿建议的那样，确实有效：
# replace formula in the frame element of fmod.red
attr(fmod.red@frame,"formula")<-form
# check
formula(fmod.red)
# now apply dredge function with covariates
# exclude variable combinations (randomly chosen for the sake of example)
sexpr<-expression(!((X1 && X3) || (X1&&X6) || (X4 && X6) || (X4 && X5)))
# run dredge()
options(na.action = na.fail)
ms<-dredge(fmod.red,subset=sexpr)
更新
而ms 似乎包含所有变量，如下所示：
names(ms)
[1] "(Intercept)" "X1" "X2" "X3" "X4" "X5" "X6"
[8] "df" "logLik" "AICc" "delta" "weight"
新变量 (X4,X5,X6) 从未真正包含在内（到处都是 NA）：
summary(ms)
(Intercept) X1 X2 X3 X4 X5 X6
Min. :2.407 Min. :0.09698 Min. :-0.4026 Min. :-0.42078 + : 0 + : 0 + : 0
1st Qu.:2.443 1st Qu.:0.22688 1st Qu.:-0.3204 1st Qu.:-0.35303 NA's:26 NA's:26 NA's:26
Median :2.474 Median :0.27361 Median :-0.2980 Median :-0.22444
Mean :2.535 Mean :0.27539 Mean :-0.3059 Mean :-0.23517
3rd Qu.:2.515 3rd Qu.:0.32357 3rd Qu.:-0.2718 3rd Qu.:-0.17472
Max. :3.009 Max. :0.45664 Max. :-0.2177 Max. : 0.08802
NA's :20 NA's :13 NA's :16
发生了什么？
【问题讨论】：
-
有没有可能出现可重现的例子...？
-
嗨，Ben，我添加了一些示例代码以使其可重现。