使用超过 30 个预测变量时 MuMin pdredge() 中的错误答案

【问题标题】：Error in MuMin pdredge() when using more than 30 predictor variables使用超过 30 个预测变量时 MuMin pdredge() 中的错误
【发布时间】：2019-11-30 09:25:04
【问题描述】：

我遇到了以下错误，该错误仅在我将具有超过 30 个预测变量的模型传递给 pdredge() 时发生：

sprintf(gettext(fmt, domain = domain), ...) 中的错误：无效格式“%d”；对数字对象使用格式 %f、%e、%g 或 %a

我在通过 RStudio 运行 Microsoft R Open 的 Windows 机器上：

R version 3.5.3 (2019-03-11)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows >= 8 x64 (build 9200)
RStudio Version 1.0.153
MuMIn_1.43.6

可重现的例子：

library(MuMIn)
library(parallel)

#Random data: X1 as response, X2-X31 (30) predictors
var.30 <- data.frame(replicate(31,sample(0:100,75,rep=TRUE)))

#Random data: X1 as response, X2-X32 (31) predictors
var.31 <- data.frame(replicate(32,sample(0:100,75,rep=TRUE)))

#prepare cluster for pdredge
clust <- try(makeCluster(detectCores()-1))

#working model (30 or less predictors)
mod <- lm(X1 ~ ., data=var.30, na.action = "na.fail")
sub.dredge <- pdredge(mod, cluster=clust, eval=FALSE)

#Non-working model (31 or more predictors)
mod <- lm(X1 ~ ., data=var.31, na.action = "na.fail")
sub.dredge <- pdredge(mod, cluster=clust, eval=FALSE)

我在 2016 年知道这是 an issue，有整数位限制。但是，从this question 和它收到的 cmets 来看，我的印象是问题已经解决并且最大值发生了变化？

【问题讨论】：

标签： r mumin

【解决方案1】：

the second question you reference 中实际上只有 16 个参数，但有些参数被多次调用以表示交互项（尽管，该 OP 是否真的希望它们表示交互，还是用于 I(parameter^2)，尚不清楚；如果是后者，他们的代码将会失败，因为会有太多的唯一参数）。因此，即使该问题中有很多 (~41) 个术语，也只有 16 个唯一参数。

据我所知，@Kamil Bartoń 尚未更新 dredge 以接受 30 多个独特的参数调用。

【讨论】：

我无法投票，但感谢您的解释！我绝对认为这是〜41个预测变量，我做错了什么

【解决方案2】：

dredge 中的 31 个术语限制非常严格。除非 R 实现对 64 位整数的本机支持，否则不会对其进行扩展。

（另外，更新您的 MuMIn - 此“sprintf”错误已在一段时间前修复）

【讨论】：

感谢您的回答。我进行了一些挖掘，并正在考虑花时间复制这篇扩展 R packages with 64 bit integer support 的科学论文。基本上使用 docall64 制作编译包以在需要时支持 64 位整数。这对 MuMIn 可行还是我在追逐梦想？
@JonWells，我已经尝试使用int64 包，但它与 R 的本机数字不兼容，所以我放弃了这个想法。我想，用两个整数编码组合比在包中添加 C 代码更值得，但我不希望很快有时间玩它。
感谢您的回复！该论文列出了一种“简单”的方法来创建现有包的 64 位 shell，该包基本上是空的，并且如果我理解正确，则依赖于使用 dotCall64 编译的普通包/函数在整数和双精度之间进行转换。我可能在技术上不够熟练，无法独自完成这项任务，但也许这学期我会花一些时间问另一个问题。目前，我刚刚通过其他方式消除了列以完成我的模型选择工作。谢谢你的大礼包！