我知道有很多类似的问题/答案，还有很多论文。但请读到最后。
非统计学家倾向于使用统计学家强烈主张的逐步回归。这是我不明白的事情，但我只是服从他们。“好吧，这不是你建模的好方法”。
这是（曾经）我的模型：
b <- lmer(metric1~a+b+c+d+e+f+g+h+i+j+k+l+(1|X/Y) + (1|Z), data = dataset)
drop1 (b, test="Chisq")
（只是一个小提示：注意我的模型中的随机效应；随机效应是年、月、Sampling.location；我的一个变量是 1/0：我已经对我的变量进行了对数转换）
我正在尝试找到一个探索性模型（drop1以达到最终模型）并用我的生物学知识对其进行评估，以查看依赖项（在这种情况下为“度量”）是否似乎是响应变量。我将使用 100 个指标重复此过程，以评估哪些指标似乎正在响应环境变量。
根据统计专家的建议，我正在寻找一个可接受的模型，而不是逐步进行。
但是，有很多选择。我读了很多书，但仍然觉得自己迷失了方向。有人说套索，有人说弹性建模，有人说岭回归……哪一个适合我的目的？
任何关于更好的替代方案和简单模型或假人帮助页面或示例（可能更好）的建议将不胜感激。
提前致谢。