为什么step（）返回使用lmerTest反向消除完整模型的奇怪结果

Question

我很困惑，为什么lmerTest中处理步骤（模型）的结果是异常的。

m0 <- lmer(seed ~ connection*age + (1|unit), data = test)

step(m0)

注意：两者都是＆＃34;连接＆＃34;和＆＃34;年龄＆＃34;已设置as.factor()

---

 Random effects:
      Chi.sq Chi.DF elim.num p.value
 unit   0.25      1        1  0.6194

 Fixed effects:
 Analysis of Variance Table

 Response: y
                Df  Sum Sq  Mean Sq F value  Pr(>F)  
 connection      1 0.01746 0.017457  1.5214 0.22142  
 age             1 0.07664 0.076643  6.6794 0.01178 *
 connection:age  1 0.04397 0.043967  3.8317 0.05417 .
 Residuals      72 0.82617 0.011475                  
 ---
 Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

 Least squares means:
      Estimate Standard Error DF t-value Lower CI Upper CI p-value

 Final model:

 Call:
 lm(formula = fo, data = mm, contrasts = l.lmerTest.private.contrast)

 Coefficients:
      (Intercept)       connectionD              ageB  connectionD:ageB  
         -0.84868          -0.07852           0.01281           0.09634 

为什么它没有向我展示最终模型？

Answer 1

根据LR测试，这里的随机效果被消除为NS。然后应用固定效应模型的anova方法，“lm”对象并且没有消除NS固定效应。你是对的，输出与“lmer”对象不同，并且没有（差异）最小二乘意味着。如果你想获得后者，你可以试试lsmeans包。为了向后消除最终模型的NS效果，您可以使用stats :: step函数。