最近在写文章的时候，被KP介绍说这个方法蛮好的
所以自己搜一下，学习一下
实际好像学的也不好
中间好多也不太理解呢！

# 导入glmulti包
library(rJava)
library(glmulti)
train<-read.csv(file.choose())
head(train)

#检查`train`的数据结构
str(train)

#模型开始之前得进行岛屿参数的独立性检验。相关分析的R语言命令是cor.test

cor.sig(train[, 1:9])  
#第一列不算，那是鸟类物种数，即expyi值。
#选指标
#权且采用最常见的线性模型(linear model)，创建总模型(global model)，即包括所有参数：
global.model <- lm(birdspp ~ area + isolation + plants + habitats, data = train)

#利用glmulti包中的函数glmulti对所有可能模型中来选择最优模型。此处由于是4个参数，则共有2^4=16个可能模型

bird.model <- glmulti(global.model, level = 1, crit = "aicc")  #选用AICc进行评判模型

summary(bird.model)  #结果出来了，最优模型
plot(bird.model,type="s")

这个是参考*斯幸峰老师（http://sixf.org/cn/2014/03/model-selection-multimodel-inference/）*的这个博客
但是又参考了一下R语言关于glmulti这个包的官方文档，觉得好像有没有那么复杂
就直接用glmulti()这个函数做一个分析，然后就可以作图了。
所以有必要后面再研究一下中间那个选择的部分。
（有空的话研究一下论文）