R y的大矩阵逐步回归

目的是找到最好的模型。我用逐步回归法。但我有个问题。当我尝试这个：

library("MASS")
foreach (i=1:20000) %do% {
Ge <- bigGeneMatrix[i,]
fit <- lm(Ge ~ geneA + geneB + geneC + geneD + ... + geneX + (1|Patient),
data = master)
step <- stepAIC(fit, direction = "both")
results[i] <- step$anova }

结果总是相同的模式。只有AIC不同。我还尝试了leaps（）函数和regsubset（），但它也没有显示我想要的结果。 我认为问题在于我有一个很大的矩阵，其中有许多不同的y基因（y~x1+x2+x3，data=abc）。 我想要这样的结果：

Ge ~ geneA + geneD + geneX

例如，这是具有最低AIC的最佳模型

---

如何获得它？

您将混合效果模型语法与

lm

结合使用。显然，您实际上想要

lme4:：lmer

Ge ~ geneA + geneD + geneX