我有一些关于coxme在 R 中指定（混合效应 Cox 比例风险）模型，然后在阅读coxme文档后对其进行简化的问题。情况是这样的：

我将 4 块小珊瑚碎片粘在小瓷砖上，我将它们放置在 10 个大珊瑚群（即场地）东西方 4 距离处。因此，每个图块代表一个距离-方向-站点组合。我每天检查小珊瑚碎片，看看哪些在一夜之间死亡，在实验结束时有些还活着（因此，被审查）。因此，我每个图块有 4 个碎片*4 距离*2 方向*10 个站点 = 320 个小碎片。距离和方向是固定效果，而每个片段所在的图块和站点是随机效果。另外，每个大菌落的大小都不一样，所以大菌落的大小也应该是随机效应（SiteSize）。

我为表达这一点而编写的 R 模型是：

mefull<-coxme(Surv(death, censor) ~ Distance*Direction+(1|Site/Tile) +(1|SiteSize))

• 首先，谁能告诉我这是否正确指定了我上面描述的情况？

  运行这个模型后，我发现固定效应和它们的交互作用都不显着。Site此外，和的标准差SiteSize是相同的（~1.12），这对我来说似乎很奇怪。这有什么原因吗？它们都大于 1 的事实向我表明，它们对生存做出了很大的贡献。那是对的吗？

• 我的下一个主要问题是如何简化这个模型。我的直觉（基于阅读此处的手册和帖子）是依次消除每个随机效应并比较结果模型的集成对数似然的 AIC；在这个公式中，具有较高 AIC 的模型是首选。那是对的吗？

  • 但是，我还想尝试通过删除不显着的固定效应来简化模型，从它们的交互开始。如何在消除随机效应的同时做到这一点？

  • 我应该从删除哪些术语开始，或者只要我从高阶术语（即交互）开始，顺序就无关紧要了吗？

  • 我可以尝试尽可能多的组合吗？或者多个测试的问题会发挥作用吗？

  一些选项是移除其中一种随机效应 (me2) 或移除固定效应之间的相互作用但保持随机效应 ( me3)。

  me2<-coxme(surv ~ Distance*Direction+(1|Site/Tile))
  me3<-coxme(surv ~ Distance+Direction+(1|Site/Tile)+(1|SiteSize))
  

  当我运行这些和其他因素组合时，它们的 AIC 总是低于完整模型的，这对我来说表明完整模型是最好的。任何有关如何简化此模型的指导将不胜感激。

• 最后，要将具有随机效应的模型与没有随机效应的模型进行比较，我可以将 NULL 对数似然与集成对数似然进行比较吗？根据我对 coxme 手册的理解，越接近 0 的模型越好，所以如果积分越接近 0，那么具有随机效应的模型优于没有随机效应的模型。

非常感谢您的时间和帮助。