Проблемы с использованием пакета glmulti в RStudio для прогнозирования лучшей модели - PullRequest
Новая
       31

Проблемы с использованием пакета glmulti в RStudio для прогнозирования лучшей модели

0 голосов
/ 14 апреля 2020

Поэтому я пытаюсь использовать пакет "glmulti", чтобы найти лучшую комбинацию переменных (или лучшую модель) для моей переменной ответа Bio_class. Bio_class - это категориальная переменная, которая содержит 5 результатов (4 вида и 1 вариант отсутствия). У меня есть 56 числовых переменных (температура, соленость, хлорофилл и т. Д. c.), Которые я пытаюсь проверить в модели. Я следил за другими сообщениями онлайн для того, чтобы использовать пакет, но я получаю ошибки. Я довольно плохо знаком с R, поэтому любые рекомендации о том, включать ли случайные эффекты или нет, будут оценены. Пожалуйста, дай мне знать, если возникнут какие-либо вопросы. Я знаю, что это много данных, чтобы положить в пакет, но я надеюсь, что это работает. Я также с меньшим количеством переменных и исключенным субстратом, и я получаю другую ошибку.

Большое спасибо 

library(glmulti)
library(metafor)

data.na<- na.omit(alldata) #remove any rows with NAs in them
anyNA(data.na) #FALSE = no NAs in dataset

rma.glmulti <- function(formula, data, ...)
rma(formula, vi, data=data, method="ML", ...) #defining the function 'rma.glmulti'

res <- glmulti(
    Bio_class~Temp_winter+Temp_spring+Temp_summer+Temp_autumn+Temp_yr_avg
    +Temp_yr_max+Temp_yr_min+Sal_winter+Sal_spring+Sal_summer+Sal_autumn
    +Sal_yr_avg+Sal_yr_max+Sal_yr_min+Chl_winter+Chl_spring+Chl_summer+Chl_autumn
    +Chl_yr_avg+Chl_yr_max+Chl_yr_min+Nit_winter+Nit_spring+Nit_summer+Nit_autumn
    +Nit_yr_avg+Nit_yr_max+Nit_yr_min+ZSD_winter+ZSD_spring+ZSD_summer+ZSD_autumn
    +ZSD_yr_avg+ZSD_yr_max+ZSD_yr_min+Phos_winter+Phos_spring+Phos_summer          
    +Phos_autumn+Phos_yr_avg+Phos_yr_max+Phos_yr_min+SWH_winter+SWH_spring
    +SWH_summer+SWH_autumn+SWH_yr_avg+SWH_yr_max+SWH_yr_min+Depth
    +Dist_to_major_cities+Dist_to_complete_cities+Dist_to_port
    +Dist_to_major_river+Dist_to_complete_river+Dist_to_coast, 
    data=data.na,
    level=1,
    fitfunction=rma.glmulti, 
    crit="aicc", 
    confsetsize=7.2057594e+16
)

print(res)
...