我正在尝试执行具有随机效应的逐步模型，我可以获得其中的 BIC 值。

lmerTest 包表示它可以与 lme4 一起使用，但只有从模型中删除一个自变量（这是一个有两个选项的因子（TM）），我才能让它工作。

错误代码是：

错误于$<-(*tmp*, 公式, 值 = 项) : 没有方法 分配此 S4 类的子集

or

as_lmerModLmerTest(模型) 中的错误： 模型不属于“lmerMod”类：无法强制转换为“lmerModLmerTest”类

我在某处读过它可能与 drop1 有关，但我仍然没有弄清楚。我也愿意接受其他软件包和功能的建议。

之前尝试时 full.model

我现在使用的代码：

full.model <- lme4::lmer(dep ~ TM + ind + (1 | dorp),  data=test)  #lmerTest:: give same outcome

step.model<- lmerTest::step(full.model, direction="both",k=log(16))   # n=16

summary(step.model)

BIC(step.model)

#Example dataset

test <- data.frame(TM = as.factor(c(rep("org", 3), rep("min", 3),rep("org", 3), rep("min", 3),rep("org", 3), rep("min", 3))),
                   dep = runif(18,0,20),
                   ind = runif(18,0,7),
                   dorp = as.factor(c(rep(1,6),rep(2,6),rep(3,6))))

问题是lmerTest::step.lmerModLmerTest当在随机效应选择阶段从模型中消除所有随机效应时，就会中断。它可能不应该（我认为该包的早期版本可能不应该），但解决起来并不难。您可以指定不应简化随机效应模型（step(full.model, reduce.random=FALSE)), or，当遇到这个错误时，扔掉模型的随机效应成分，然后使用step()在所得的线性模型上：

fixmodel <- lm(formula(full.model,fixed.only=TRUE),
               data=eval(getCall(full.model)$data))
step(fixmodel)

（因为它包括eval()，这仅在 R 可以找到由data=争论）。

我已经提交了一份issue https://github.com/runehaubo/lmerTestR/issues/23关于这个问题。

另外（令人困惑的是），stats::step有不同的论点/做出不同的假设step.lmerModLmerTest in the lmerTest包裹。stats::step定义为

step(object, scope, scale = 0,
     direction = c("both", "backward", "forward"),
     trace = 1, keep = NULL, steps = 1000, k = 2, ...)

while step.lmerModLmerTest uses

step(object, ddf = c("Satterthwaite",
  "Kenward-Roger"), alpha.random = 0.1, alpha.fixed = 0.05,
  reduce.fixed = TRUE, reduce.random = TRUE, keep, ...)

特别是，direction参数不适用（step.lmerModLmerTest只进行向后消除）；不 不k（我相信step.lmerModLmerTest使用 AIC，但我必须仔细检查）。

set.seed(1001)
dd <- data.frame(x1=rnorm(500),x2=rnorm(500),
                 x3=rnorm(500),f=factor(rep(1:50,each=10)))
library(lme4)
dd$y <- simulate(~x1+x2+x3+(1|f),
                 newdata=dd,
                 newparams=list(theta=1,beta=c(1,2,0,0),
                                sigma=1),
                 family=gaussian)[[1]]
library(lmerTest)
full.model <- lmer(y~x1+x2+x3+(1|f), data=dd)
step.model<- step(full.model)

step.model有课step_list;有打印方法，但没有摘要方法。