R MuMIn model.avg（）-相对重要性不适用于粘贴公式

我尝试将MuMIn的model.avg函数与粘贴的模型公式一起使用，并使用索引而不是直接输入，例如：

m1<-gls(as.formula(paste(response,"~",paste(combns[,j], collapse="+"))), data=dat)

modelslist[[1]]$call$model
modelslist[[7]]$call$model

这导致相对变量重要性如下所示：

Relative variable importance: 
                     day_of_season foliage_height_diversity hour_of_day
Importance:          1             1                        1          
N containing models: 6             6                        6          
                     median_patch_size pct_grey_cover     tree_shannon_diversity
Importance:          1                 1              1                     
N containing models: 6                 6              6                     
                     urban_boundary_distance
Importance:          1                      
N containing models: 6  

然而，如果我在相同的模型上使用model.avg，并单独键入公式，我会得到以下正确的输出：

Component models: 
        df  logLik   AICc delta weight
23456    7 -233.08 481.43  0.00   0.59
1        3 -237.97 482.21  0.78   0.40
57       4 -241.32 491.08  9.65   0.00
1234567  9 -241.15 502.39 20.96   0.00
1467     6 -248.37 509.68 28.25   0.00
147      5 -250.22 511.11 29.68   0.00

Relative variable importance: 
                     pct_grey_cover median_patch_size tree_shannon_diversity
Importance:            0.6           0.59              0.59                 
N containing models:     3              4                 3                 
                      foliage_height_diversity hour_of_day day_of_season
Importance:           0.59                     0.59         0.4        
N containing models:     2                        2           4        
                     urban_boundary_distance
Importance:          <0.01                  
N containing models:     4  

组件模型：
df logLik AICc增量重量
23456    7 -233.08 481.43  0.00   0.59
1        3 -237.97 482.21  0.78   0.40
57       4 -241.32 491.08  9.65   0.00
1234567  9 -241.15 502.39 20.96   0.00
1467     6 -248.37 509.68 28.25   0.00
147      5 -250.22 511.11 29.68   0.00
相对变量重要性：
pct\u灰色\u覆盖中值\u斑块\u大小树\u香农\u多样性
重要性：0.6 0.59 0.59
N含模型：3 4 3
叶高多样性时数季节日数
重要性：0.590.590.4
N含模型：2 4
城市边界距离
重要性：这是
gls
的
公式方法（在包
nlme
中）中的一个错误。由于实际公式不存储在对象中的任何位置，因此它在函数调用中计算
“model”
参数。对于
模型列表
的元素，它们都是相同的，例如：

m1<-gls(as.formula(paste(response,"~",paste(combns[,j], collapse="+"))), data=dat)

modelslist[[1]]$call$model
modelslist[[7]]$call$model

两者都返回

> formula(paste(response, "~", paste(combns[, j], collapse = "+")))

当
eval
评估时，使用
j
的当前（最后）值，以便所有
公式（modelist[[N]]）
返回最后一个模型公式

 all.equal(formula(modelslist[[1]]), formula(modelslist[[7]]))

返回

> TRUE

也就是说，所有这些都混淆了使用公式构建模型选择表的
model.avg
（这是一种退步，因为
gls
也缺少
术语）

编辑：可能的解决方法

获得您想要的更简单的方法：

model.avg(dredge(..., m.lim = c(6,6)))

或者，如果要进行预测：

modellist <- lapply(dredge(..., m.lim = c(6,6), evaluate = FALSE), eval)

我们能有一个可复制的例子吗@BenBolker-抱歉，我花了一段时间才弄到一个，因为问题并不是我想的那样，wasHello，我和gls和nlme有同样的问题@Kamil Barton，我尝试了您的解决方法：
model.avg（疏通（…，m.lim=c（6,6）），但得到了以下错误：lme.formula中的错误（修复=响应~a+c+c+a:b+：未使用的参数（m.lim=c（6,6））
m.lim
参数是在哪里创建的？另外，如果您想在gls中包含
weights
参数怎么办？这不包括在“predictors”变量中？@LiveLongandProsper关于错误，请检查您的代码是否有拼写错误。至于问题，请更具体一些。
model1“这是gls（在包nlme中）的公式方法中的一个错误。”“你知道是否已提交错误报告？如果是，可能这已经由包创建者修复了？@LiveLongandProsper:
m.lim
是
druge
而不是
model.avg
的参数。
modellist <- lapply(dredge(..., m.lim = c(6,6), evaluate = FALSE), eval)

combns <- combn(1:7, 6)
modellist <- vector("list", 7)
for (j in 1:7) {
    f <- reformulate(predictors[combns[, j]], response = response)
    fm <- gls(f, data = dat)
    fm$call$model <- f # assign the actual formula
    modellist[[j]] <- fm
}