我知道有类似的问题/答案和很多论文。但请读到最后。
非统计学家倾向于使用逐步回归，统计学家强烈反对这种回归。这是我不明白的东西，但我只是服从他们。 “好的，这不是进行建模的好方法。”
这里是（是）我的模特：
b <- lmer(metric1~a+b+c+d+e+f+g+h+i+j+k+l+(1|X/Y) + (1|Z), data = dataset)
drop1 (b, test="Chisq")
（只是一个小小的注释：注意模型中的随机效果;随机效果是年，月，采样。位置;我的一个变量是1/0：我已经对变量进行了对数转换）
我正在尝试找到一个探索性模型（使用drop1来达到最终模型）并使用我的生物学知识对其进行评估，看看是否依赖（在这种情况下，“度量”）似乎是响应变量。我将用100个指标重复这个过程，只是为了评估哪些指标似乎是响应环境变量。
根据统计专家的建议，我正在寻找一个可接受的模型，而不是逐步的。
然而，有很多选择。我读了很多，但仍然觉得自己迷了路。有人说Lasso，有人说弹性模型，有人说脊回归......哪一个适合我的目的？
任何有关更好的替代方案的建议，以及简单的模型或傻瓜的帮助页面或示例（可能更好）都将非常感激。
提前致谢。