r - glmulti 在 A*B*C*D 和 A+B+C+D 中产生什么交互效果？

Question

我正在使用glmulti运行分层线性模型并选择最佳模型。我对 DV 有 4 个预测变量（A、B、C、D），我的目标是运行所有主效应模型以及交互效应的所有组合（即 、A:B、A:C）A:D。以下两种模型有何不同？

library(glmulti)

# wrapper
glmer.glmulti <- function(formula, data, random = ""){
glmer(paste(deparse(formula), random), data = data, family = binomial)}

# model 1
glmulti(DV ~ A+B+C+D, level = 2, fitfunction = glmer.glmulti, random = "+ (1|ID)", 
method = "g", data = df)

# model 2
glmulti(DV ~ A*B*C*D, level = 2, fitfunction = glmer.glmulti, random = "+ (1|ID)", 
method = "g", data = df)

我知道“当模型中包含两个因素之间的交互作用时，添加或不添加这些因素作为主效应不会改变模型”（Calcagno，2010 年）。似乎模型 1 和模型 2 应该产生相同的结果，因为A*B*C*D基本上包括每个预测变量的主要影响。但是这两个代码选择了不同的最佳模型。

谢谢！