我正在尝试自动化一种方法来识别和删除混合模型语句中的固定效果,使用lmer
. 简而言之,我的方法是使用fixef
获取固定效果名称,然后使用update
从模型语句中删除这些名称。我遇到了一些障碍...
首先,如果固定因子不连续,则fixef
返回附加处理水平的变量名称(例如,levels(variable1)=c("A","B","C")
将返回variable1B
and variable1C
)。我试图通过部分匹配来解决这个问题,但我相信它不会在所有情况下都成功(见下文)。
其次,如果存在交互,则部分匹配会分崩离析并仅识别第一个术语(例如,variable1
仅从variable1:variable
)。我不知道如何解决这个问题。
这是一些示例代码:
#Create example data
set.seed(9)
data=data.frame(y=rnorm(100,5,10),y.binom=rbinom(100,1,0.5),
y.poisson=rpois(100,5),fixed1=rnorm(100,20,100),
fixed2=c("Treatment1","Treatment2"),covar=rnorm(100,20,100),
rand1=LETTERS[1:2],
rand2=c(rep("W",25),rep("X",25),rep("Y",25),rep("Z",25)))
library(lme4)
#Fit generalized linear mixed effects model
mod=glmer(y.poisson~fixed1*fixed2+covar+(1|rand2/rand1),family="poisson",data)
#Pull out names of fixed effects
fixef.names=do.call(rbind,lapply(1:length(names(fixef(mod))[-1]),function(j) {
d=colnames(mod@frame)[pmatch(colnames(mod@frame),names(fixef(mod))[-1][j])>0]
d[!is.na(d)] } ) )[,1]
# Generate null model (intercept and random effects only, no fixed effects)
null.mod=update(mod,paste(".~.-",paste(fixef.names,collapse="-"),sep=""))
任何帮助表示赞赏!