在R中使用模型平均和MuMln预测的误差

我使用R中的MuMln包得到一个平均模型（），并从中进行预测。该包还包括一个专门针对

model.avg

（）返回的对象的

predict

函数。我尝试使用列出的示例，代码如下：

   # Example from Burnham and Anderson (2002), page 100: 
     fm1 <- lm(y ~ X1 + X2 + X3 + X4, data = Cement)

     ms1 <- dredge(fm1)

  # obtain model average for AIC delta <2
    avgm <- model.avg(ms1, subset=delta<2)

  # predict from the averaged model
    averaged.full <- predict(avgm, full = TRUE)

#来自伯纳姆和安德森（2002）的示例，第100页：
fm1当您直接从
“模型选择”
对象创建
“平均化”
对象时，它不包含组件模型，组件模型是
预测
工作所必需的。您可以使用
model.avg（…，fit=TRUE）
，它将再次适合模型

为了避免两次拟合模型，可以首先创建一个包含所有模型的列表
lappy（疏通（…，evaluate=FALSE），eval）
以及之后
在其上使用
model.avg（…，subset=…）
。
当您直接从
“model.selection”
对象创建
“averaging”
对象时，它不包含
predict
工作所需的组件模型。您可以使用
model.avg（…，fit=TRUE）
，它将再次适合模型

为了避免两次拟合模型，可以首先创建一个包含所有模型的列表
lappy（疏通（…，evaluate=FALSE），eval）
以及之后
在上面使用
model.avg（…，subset=…）
。
Ah我明白了。为什么它必须是
evaluate=FALSE
？很抱歉，我不太熟悉基本的
eval
函数，它能代替它吗？基本上，使用
evaluate=FALSE
生成命令列表（
lm（…）
）并执行它们。否则，
droge
将运行一次模型，
get.models
或
model.avg（…，fit=TRUE）
将再次运行它们。如果有少量的小模型，那么计算时间就没有明显的差异。我遇到了不同的问题。函数运行，但预测估计值不正确<代码>我明白了。为什么它必须是
evaluate=FALSE
？很抱歉，我不太熟悉基本的
eval
函数，它能代替它吗？基本上，使用
evaluate=FALSE
生成命令列表（
lm（…）
）并执行它们。否则，
droge
将运行一次模型，
get.models
或
model.avg（…，fit=TRUE）
将再次运行它们。如果有少量的小模型，那么计算时间就没有明显的差异。我遇到了不同的问题。函数运行，但预测估计值不正确<代码>pred