我目前正在做混合线性模型（使用R中的lme函数），我遇到了一些问题。
我的数据集是关于斯洛文尼亚棕熊的损害。斯洛文尼亚分为1x1km网格，每个网格我有每年损失数量的数据（连续12年）。这种损害的频率将是模型中的Y变量，我将测试不同的环境变量来解释损害的发生（例如到森林边缘的距离，森林覆盖等）。
我将年份作为随机因素（通过似然比检验进行验证）。
我的样本量很大（250 000个单元格值），主要是0（只有4000个案例为阳性，一年内一个细胞中的损伤范围为1到17）。
这是我的问题。遵循Zuur（2009）方法，我试图找到我的模型的最佳固定结构。我的第一个模型包含所有变量，以及一些相互作用（见下文）。我使用的是logit链接。
f1 <- formula (dam ~ masting + dens*pop_size_index + saturation + exposition
settlements + orchards + crops + meadows + mixed_for + dist_for_out
dist_for_out_a + dist_for_in + dist_for_in_a + for_edge + prop_broadleaves
prop_broadleaves_a + dist_road + dist_village + feed_stat + sup_food
masting*prop_broadleaves)
M1.lme <- lme (f1, random = ~1|year, method="REML", data=d)
但是，看看似然比测试，我无法删除任何变量。一切都很重要。然而，模型仍然非常糟糕（变量太多，残差不好看），我绝对不能就此止步。
那么我怎样才能找到更好的模型（即摆脱非重要变量）？
这是因为我的样本量大吗？ 这种零通胀可能是个问题吗？
我找不到另一种改进模型的方法，这会考虑到这一点。
有什么建议吗？