MuMIn::dredge()。排除仅包含主效应的模型，仅保留具有交互作用的模型

Question

是否有可能做出一个通用的逻辑陈述来子集化（排除）所有仅包括主要影响的潜在模型，例如一个?

y ~ A + B + C + A:C + A:B

对于包含 A 的模型，仅包含 A 是交互的一部分的模型（因为关系 y~A 本身没有意义）。

Answer 1

!A || {A:B} || {A:C} 或 dc(A:B, A) && dc(A:C, A) 但没有用于指定 "any interaction containing A" 的符号。

更新： 在 MuMIn >= 1.42.3（目前，在 R-Forge 上）你可以使用点 . 伪函数来指定包含特定一阶项的任何或所有交互。例如 .(A, 2:100) 如果模型包含与 A 的任何 2 阶到 100 阶交互项，则它们包括模型。它仍然是实验性功能，所以请检查您是否得到了预期的结果。

Answer 2

我找到了一个不优雅的解决方案（在注意到 dredge() 如何与 poly() 项一起工作之后；包括或排除整个 n x 幂矩阵，而不是单个列）是创建一个名为“int”的小函数来从两个预测变量及其交互中创建一个相似的矩阵。我按照 poly() 的约定将生成的元素称为“a”、“b”和“a:b”，这将其两个元素称为“1”和“2”。

int = function(a,b){
      matOut = matrix(c(a,b,a*b),nrow=length(a))
      dimnames(matOut) =list(NULL,c("a","b","a:b"))
      return(matOut)}

我们以mtcars数据集为例，用“carb”代替A，“gear”代替B，“am”代替C来预测“mpg”。从标准方法开始，我们可以试试这个。

require(MuMIn)
data(mtcars)

fm = lm(mpg ~ carb*gear + carb*am, mtcars,na.action=na.fail)
length(dredge(fm))

这会产生 11 个可能的模型，其中包含三个线性项和两个交互项的所有组合。

现在，如果我们使用 int() 而不是 *，我们看到我们只得到四个模型；每个交互、它们的组合和空模型。排除所有包含没有交互作用的线性项的模型。

fm = lm(mpg ~ int(carb,gear) + int(carb,am), mtcars,na.action=na.fail)
length(dredge(fm))

MuMIn::dredge()。排除仅包含主效应的模型，仅保留具有交互作用的模型

MuMIn::dredge(). Exclude models only including main effect, keep only models with interactions

r

model-comparison