问题标签 [glmulti]

使用glmer，我可以很好地运行逻辑回归混合模型。但是当我尝试使用 做同样的事情时glmulti，我得到了错误（如下所述）。我认为问题出在我指定用于glmulti. 我想要一个函数，使用 logit 链接为包含连续固定协变量和分类随机效应的数据指定逻辑回归模型。响应变量是二进制 0/1。

样本数据：

单个 glmer 逻辑回归工作得很好：

但是当我尝试通过 glmulti 使用相同的模型结构时会出现错误：

我已经尝试了对该函数以及 glmulti 代码的formulaandfitfunc部分的各种更改。我试过代替lmer，glmer我想我不明白这个错误。我也担心调用lmer可能会改变模型结构，因为在我的一次尝试summary()中，模型声明"Linear mixed model fit by REML ['lmerMod']."我需要 glmulti 模型与我model1使用时获得的相同glmer（即summary(model1)给出"Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']"

许多类似的问题仍未得到解答。提前致谢！

信用：

在此处的帮助下创建的示例数据集： https ://stats.stackexchange.com/questions/46523/how-to-simulate-artificial-data-for-logistic-regression

glmulti 代码改编自这里： Model selection using glmulti

我一直在使用glmulti为我感兴趣的变量获取模型平均估计值和相对重要性值。在运行中，glmulti我指定了一个候选模型，其中所有变量和交互都基于先验知识包含在内（参见下面的代码）。

运行glmutli模型后，我使用函数summary()和weightable(). 结果似乎发生了许多奇怪的事情，我不明白。

首先，当我使用lme4 glmer()函数运行我的候选模型时，我获得了 2086 的 AIC 值。在 glmulti 输出中，这个候选模型（具有完全相同的公式）具有较低的 AIC 值（2107），因此它出现在所有潜在模型列表中的 26 个位置中的第 8 位（通过 weigtable() 函数获得）。

似乎导致此问题的原因是 logArea:Habitat 交互从候选模型中删除，尽管level=2已指定。与通过 提供的公式相比，该函数summary(output_new@objects[[8]]) 提供了不同的公式（没有 logArea:Habitat 交互变量）weightable()。这解释了为什么候选模型 AIC 值与通过 获得的不一样lme4，但我不明白为什么公式中缺少交互变量 logArea:Habitat。其他可能的模型也是如此。似乎对于具有 2 个或更多交互的所有模型，一个交互被丢弃。

有人对发生的事情有解释吗？任何帮助将非常感激！

最好的，罗伯特

注意：我创建了我的数据子集 ( https://drive.google.com/open?id=1rc0Gkp7TPdnhW6Bw87FskL5SSNp21qxl ) 并通过删除变量来简化候选模型以减少模型运行时间。（问题依旧）

我想通过使用准 BIC (QBIC) 作为信息标准来拟合 Quasipoisson 模型来使用 GLMULTI 进行特征选择。我使用以下代码：

其中 useBIC 来自 AICcmodavg 包。然后我收到错误消息：

对我来说，这表明该函数尝试计算常规 BIC，但由于模型没有可能性，这将不起作用。我认为是这样，因为当我调用useBIC一个准泊松模型时，我收到了 NA。

我最终想做的是使用 GLMULTI 和准泊松模型来选择特征（变量）。我使用 GLMULTI 拟合负二项式模型和 BIC 效果很好，但我想看看拟合拟泊松模型是否会产生一组不同的特征。

所以我试图使用“glmulti”包为我的响应变量 Bio_class 找到变量的最佳组合（或最佳模型）。Bio_class 是一个分类变量，包含 5 个结果（4 个物种和 1 个缺席选项）。我尝试在模型中测试 56 个数值变量（温度、盐度、叶绿素等）。我已经在网上关注了其他帖子以了解如何使用该软件包，但我遇到了错误。我对 R 相当陌生，因此对于是否包含随机效应的任何建议都将不胜感激。请让我知道，如果你有任何问题。我知道这是要放入包中的大量数据，但我希望它有效。我也有更少的变量和排除的基板，我得到了一个不同的错误。

非常感谢

我正在努力解释 glmulti 输出中的“证据权重”变量，有人可以帮忙吗？

我正在使用 glmulti 来评估几个预测变量对计数的相对重要性。当我使用 glm.nb 时，我正在使用包装器。我想添加一个抵消项，但我不确定它应该去哪里，或者是否可能。我尝试将其直接添加到公式中，但当时不使用偏移量。我还尝试添加它类似于我如何使用随机效果来添加它，但随后偏移量只是作为另一个预测器出现。然后我尝试将其作为重量放入，尽管偏移量不是重量，但它给了我极高的 AIC 值（2000 与我运行的相同“常规”glm.nb 模型给出的 740 比较） .

请看下面的代码。我非常感谢您对此提出一些建议！谢谢！

1. 版本：输入公式时忽略偏移量

2. 版本：当添加类似于随机效应时，偏移量成为另一个预测器

我正在使用 glmulti 来拟合逻辑回归模型。我有 6 个预测变量，其中一个预测变量有 84 个级别。因此，拟合模型需要非常长的时间。我以为我使用 conseq 参数构建了代码以在最佳模型没有改进后停止运行，但即使在 2,000 个没有改进的模型之后，它仍然会继续运行。在没有改进后如何让模型拟合停止？这是我目前使用的代码：

我还尝试将方法设置为“g”，但该代码在初始化时卡住并且不会产生任何东西，即使让它运行了一夜。