如何建立具有随机效应的逐步模型（lme4+；lmerTest？）

我试图执行一个带有随机效应的逐步模型，我可以得到一个BIC值

lmerTest软件包说它可以与lme4一起工作，但我只有从模型中删除一个自变量（这是一个有两个选项的因子（TM））才能使它工作

错误代码为：

---

$中的错误问题是，当在随机效果选择阶段从模型中消除所有随机效果时，
lmerTest:：step.lmerModLmerTest
会中断。它可能不应该（我认为该软件包的早期版本可能不应该），但解决它并不太困难。您可以指定不应简化随机效果模型（
step（full.model，reduce.random=FALSE）
），或者在遇到此错误时，丢弃模型的随机效果组件，然后对生成的线性模型使用
step（）
：

fixmodel <- lm(formula(full.model,fixed.only=TRUE),
               data=eval(getCall(full.model)$data))
step(fixmodel)

而
step.lmemodlmertest
使用

step(object, ddf = c("Satterthwaite",
  "Kenward-Roger"), alpha.random = 0.1, alpha.fixed = 0.05,
  reduce.fixed = TRUE, reduce.random = TRUE, keep, ...)

特别是，
direction
参数不适用（
step.lmerModLmerTest
只执行反向消除）；不是
k
（我相信
step.lmerModLmerTest
使用AIC，但我必须再次检查）

set.seed（1001）
dd我将首先尝试
lmerTest:：lmer（…）
，而不是在第一步中尝试
lme4:：lmer（…）
。有没有可能我们有一个？对安排。lmerTest也给出了第一条错误消息。我现在尝试的另一个带有类似错误建议类（full.model）的post-on-stack：>step.model我确实在测试用例中得到了这个错误。我想知道模型本身是否有奇异之处？太奇怪了！事实上，对于你的数据集，我没有同样的问题。。。我自己的数据是连续数据，除了TM和随机变量。当我移除TM时，模型确实可以工作！这很好，但是TM代表治疗，所以这是我感兴趣的一个因素。在不添加随机效应的情况下，它也出现在最终模型中的一些分析中……当我有机会时，我会看看我是否能找出哪里出了问题。我对一个非数值变量（集群变量）也有同样的问题。这是一个字符变量，使用lmer（）进行模型估计似乎没有问题，但step（）有问题。将其类更改为factor时，step（）函数对我来说很好。希望能有帮助。
fixmodel <- lm(formula(full.model,fixed.only=TRUE),
               data=eval(getCall(full.model)$data))
step(fixmodel)

step(object, scope, scale = 0,
     direction = c("both", "backward", "forward"),
     trace = 1, keep = NULL, steps = 1000, k = 2, ...)

step(object, ddf = c("Satterthwaite",
  "Kenward-Roger"), alpha.random = 0.1, alpha.fixed = 0.05,
  reduce.fixed = TRUE, reduce.random = TRUE, keep, ...)

set.seed(1001)
dd <- data.frame(x1=rnorm(500),x2=rnorm(500),
                 x3=rnorm(500),f=factor(rep(1:50,each=10)))
library(lme4)
dd$y <- simulate(~x1+x2+x3+(1|f),
                 newdata=dd,
                 newparams=list(theta=1,beta=c(1,2,0,0),
                                sigma=1),
                 family=gaussian)[[1]]
library(lmerTest)
full.model <- lmer(y~x1+x2+x3+(1|f), data=dd)
step.model<- step(full.model)