Los modelos lineales de efectos mixtos son ampliamente utilizados en aplicaciones para analizar datos agrupados, jerárquicos y longitudinales. La selección de modelos en modelos lineales mixtos es más desafiante que en los modelos lineales, ya que el vector de parámetros en un modelo lineal mixto incluye tanto efectos fijos como parámetros de componentes de varianza. Al seleccionar los componentes de varianza de los efectos aleatorios, la varianza de los efectos aleatorios debe ser no negativa y los parámetros pueden encontrarse en el límite del espacio de parámetros. Por lo tanto, los métodos clásicos de selección de modelos no pueden ser utilizados directamente para manejar esta situación. En este artículo, proponemos un BIC modificado para la selección de modelos con modelos lineales de efectos mixtos que puede resolver el caso cuando los componentes de varianza se encuentran en el límite del espacio de parámetros. A través de los resultados de simulación, encontramos que el BIC modificado funcionó mejor que el BIC regular en la mayoría de los casos para modelos lineales mixtos. El BIC modificado también se aplicó a un conjunto de datos reales para elegir el modelo más apropiado.