Usé la siguiente sintaxis para el modelo mixto y luego paso pero no funcionó.Podríamos hacer la eliminación hacia atrás con el modelo mixto usando lmer
¿Suele funcionar así o no puedo usar la eliminación hacia atrás con lmer? ¡Gracias!
fullmodel<-lmer(Eeff~NDF+ADF+CP+NEL+DMI+FCM + (1|Study),data=na.omit(phuong))
step(fullmodel, direction = "backward", trace=FALSE)
Puede hacerlo, pero no con la función de paso. Como su modelo es solo aditivo, no debería demorar tanto en hacerlo a mano.
La función que desea es stepAIC del paquete MASS.
stepAIC (y step) utilizan AIC de forma predeterminada, que es asintóticamente equivalente a la validación cruzada de dejar salir.
En cuanto a las críticas mordaces, el conocimiento experto es un gran punto de partida para la selección del modelo, pero a menudo veo esto como una excusa para pasar la responsabilidad de tomar decisiones estadísticas complejas a un investigador aplicado que no entiende estadística.
Editar: lo siento, mi mal, leí tu pregunta, pensé que habías dicho "lme" en lugar de "lmer". No tengo idea si stepAIC admite lmer.
Como dije en los comentarios anteriores, estoy bastante seguro de que 'stepAIC' no * funciona con' lmer'. Sin embargo, 'drop1' funciona bien con la versión de desarrollo. Ciertamente no quiero pasar nada, pero tampoco siento la responsabilidad de gastar mucho esfuerzo para que el trabajo 'stepAIC' ... –
Usted puede hacer esto con lmerTest paquete:
library(lmerTest)
step(fullmodel)
Después de probar esta función con mis datos bastante complejas, se parece a la generación de alternativas viables modelo.
Aquí es una función de eliminación hacia adelante para lme4 http://www.rensenieuwenhuis.nl/r-sessions-32/
y 'drop1' funciona, creo. También (como se comentó en otra parte) intente buscar en Google "Harrell paso a paso" para algunas de las críticas más mordaces de los enfoques paso a paso ... –