我的興趣在於確定三類鳥類年人均成長率的最強預測因子：留鳥、短距離遷徙鳥和長距離遷徙鳥。我的模型以人均增長率作為因變量，以繁殖季節的鳥類密度作為預測變量，並有 13 個環境預測變量（各種氣候指標、食物豐富度和巢穴捕食）。我正在使用 Stepwise 程式（JMP Pro 17）中的「所有可能模型」方法將預測變數的數量減少到三個，以最大限度地降低過度擬合的風險，因為我們的樣本量（每年一個值）只有 27 年（資料集有 27 行和 15 列）。由於一些 3 預測模型的 BIC 差異不大，我計劃在模型簡化的第二步驟中使用自適應彈性網路 (AEN) 技術（廣義迴歸程序）將這些模型中的多個預測變數納入其中。 AEN 也將為最終模型中的每個預測變數提供迴歸係數（±SE）、統計顯著性和變異數膨脹因子。我對每個預測因子都有一個方向性的預期，這些預期來自於我們研究地點的長期研究。例如，氣溫升高會增加食物豐富度和繁殖成功率，而繁殖密度升高則會降低繁殖成功率。我的問題是關於多重比較。
1) 儘管三個模型（每個鳥類群體一個）的密度都是獨一無二的，但環境預測因子是相同的。由於這三個模型中都使用了環境預測因子，我是否需要進行多重比較校正（例如 Bonferroni 校正）？
2) 使用「所有可能的模型」方法進行模型簡化是否會讓我陷入統計困境，因為需要多次使用預測變數來找到具有三個具有最低 BIC 的預測變數的模型？
3) 我假設，因為預測因子「密度」對於每個模型都是唯一的，並且因為我對其影響有先驗的預期，所以我有充分的理由推斷這個預測因子，但我不確定這是否適用於環境預測因子。
如果這些問題很幼稚，我深感抱歉，我正在努力在文獻中尋找有關多重比較的方向。我還沒有找到關於模型降低後推理的明確參考。也許您知道其中一個。非常感謝您的幫忙。
