固定效应矩阵秩亏时，robustLMM模型用emmeans做对比的报错问题

我有一组包含3个固定效应因子的数据集：

• G：两个水平（g1、g2）
• V：两个水平（v1、v2）
• C：七个水平（c1至c7）
  同时包含随机效应ID。

我需要拟合包含固定效应3-way交互项和随机截距(1|ID)的线性混合模型或稳健线性混合模型（robust LMM），但模型返回警告：

fixed-effect model matrix is rank deficient so dropping 6 columns / coefficients.

我已确认问题原因：v2c5、v2c6、v2c7这三个组合没有观测数据，导致无法检验对应的6个固定效应。我的目标是检验不涉及这些无观测组合的对比，比如v1c5中g1与g2的差异，或v2c2中的差异。但使用以下代码时返回错误：

emmeans(model, ~G|V*C)

错误信息：

Error in (function (object, at, cov.reduce = mean, cov.keep = get_emm_option("cov.keep"),: Something went wrong:

Non-conformable elements in reference grid.

更新内容 #

感谢@LTyrone和@qdread的建议，以下是模拟数据及示例代码：

set.seed(123)
G_levels <- c("g1", "g2")  # Two levels for G
V_levels <- c("v1", "v2")  # Two levels for V
C_levels <- c("c1", "c2", "c3", "c4", "c5", "c6", "c7")
ID_levels <- paste0("ID", 1:12)  

df <- as_tibble(expand.grid(G = G_levels, V = V_levels, C = C_levels, ID = ID_levels))

df$response <- rnorm(nrow(df), mean = 50, sd = 10)

df <- df[!(df$V == "v2" & df$C %in% c("c5", "c6", "c7")), ]

df$G <- factor(df$G, levels = G_levels) %>%
  relevel(ref = "g1")
df$V <- factor(df$V, levels = V_levels) %>%
  relevel(ref = "v1")
df$C <- factor(df$C, levels = C_levels) %>%
  relevel(ref = "c1")
df$ID <- factor(df$ID, levels = ID_levels) %>%
  relevel(ref = "ID1")

library(lmerTest)
library(robustlmm)
library(emmeans)

mymodel1<-lmer(response~ G*V*C+(1|ID),data=df)
mymodel2<-rlmer(response~ G*V*C+(1|ID),data=df)

借助@qdread的方法，我可以对lmer()模型用emmeans()完成对比检验：

emm <- emmeans(mymodel1, ~ G | V*C, at = list(V =c('v1','v2'), C =c('c1','c2','c5')))
pairs(emm,by = c("V", "C"))

但对稳健模型执行相同代码时，仍返回错误：

emm <- emmeans(mymodel2, ~ G | V*C, at = list(V =c('v1','v2'), C =c('c1','c2','c5')))
pairs(emm,by = c("V", "C"))

错误信息：

Error in (function (object, at, cov.reduce = mean, cov.keep = get_emm_option("cov.keep"), :
Something went wrong:
Non-conformable elements in reference grid.

恳请提供解决方案。

内容的提问来源于stack exchange，提问作者ksing