glmmTMB模型观测数与分组数不符问题求助

我的数据集原本包含100500条观测、125只动物（Animal.ID因子共125个水平）、3个位点，但添加变量更新数据框后，运行glmmTMB模型输出的观测数仅为56290，Animal.ID分组数只剩70，与实际情况不符。

模型输出： #

Formula:
type.x ~ std_rdden + std_forest2 + std_dev2 + (1 | site) + 
      (1 | Animal.ID) + Age.x + time.cat + Sex.x + road_category + season
Data: df7

AIC BIC logLik deviance df.resid
75769.3 75903.4 -37869.7 75739.3 56275

Random effects:

Conditional model:
Groups    Name        Variance  Std.Dev.
site      (Intercept) 2.936e-08 0.0001713
Animal.ID (Intercept) 2.000e-01 0.4472232
Number of obs: 56290, groups: site, 3; Animal.ID, 70

数据集实际结构（str()输出片段）： #

'data.frame':   100501 obs. of  55 variables:
  Animal.ID         : Factor w/ 125 levels "D1060

• 检查缺失值导致的行删除
  glmmTMB默认会自动移除包含NA值的观测（列表删除法），这是最常见的原因。运行以下代码验证：

  # 查看数据框中完整观测的数量
  sum(complete.cases(df7))
  # 查看每个变量的缺失值数量
  colSums(is.na(df7))
  

  如果sum(complete.cases(df7))返回56290，说明缺失值导致近一半观测被自动剔除，进而让部分动物的所有观测都被删掉，最终Animal.ID分组数降到70。

• 验证分组变量的有效观测
  查看完整观测中实际存在的动物数量：

  length(unique(df7$Animal.ID[complete.cases(df7)]))
  # 或者查看每个动物的观测数分布
  table(df7$Animal.ID)
  

  这能确认哪些动物因为所有观测都含缺失值而被排除在模型之外。

• 回溯数据更新过程
  检查添加变量时的操作，是否不小心做了子集筛选（比如误用filter()、subset()或行索引错误）。对比更新前后的数据框行数：

  # 假设旧数据框名为old_df
  nrow(old_df)
  nrow(df7)
  

  如果更新后df7的行数已经是56290，说明问题出在数据处理阶段，而非模型运行环节。

• 处理缺失值而非强制保留
  若想保留更多观测，不要直接用na.action = na.pass（可能导致模型报错），建议先处理缺失值：

  • 对数值变量用均值/中位数插补，或用多重插补包（如mice）
  • 对分类变量用众数插补，或添加“缺失”水平
    处理完成后再重新运行模型。

• 检查因子水平
  Animal.ID是因子类型，部分水平可能因观测被删除而变成空水平，可运行droplevels(df7$Animal.ID)查看实际有效水平数，确认是否与模型输出的70一致。

内容的提问来源于stack exchange，提问作者Leyna Stemle