R语言仅截距线性混合模型df=1异常问题原因排查

数据老陈

2026-6-22

问题原因分析

模型类型误用：用线性混合模型处理二分类因变量
你的因变量Personal_Vote是二分类变量，而lmer()是针对连续因变量的线性混合模型，它假设残差服从正态分布，这与二分类变量的伯努利分布属性不匹配。这种错误的模型设定会干扰自由度估计和统计推断逻辑，是导致异常结果的核心原因之一。你应该改用glmer()（lme4包）构建广义线性混合模型，指定logit链接：
```
dem_personal_intercept_glmer <- glmer(
  Personal_Vote ~ 1 + (1 | Dem_candidate_order) + (1 | dem_policy_order), 
  data = dems,
  family = binomial(link = "logit")
)
```
随机截距分组水平数不足
第一个随机截距变量Dem_candidate_order是二分变量，仅包含2个水平。对于随机效应来说，分组水平数过少（通常建议至少5个及以上）会导致lmerTest的自由度估计逻辑出现偏差。即便使用Kenward-Roger方法，这种极低水平数的分组也无法提供足够信息来合理估计固定效应自由度，最终导致截距项自由度被压缩至接近1。如果dem_policy_order的水平数也较少，会进一步加剧这个问题。
仅截距模型的自由度计算特性
在仅包含截距的混合模型中，固定效应只有一个参数，随机效应的结构会直接影响自由度计算。当存在低水平数的随机截距时，Kenward-Roger等自由度调整方法无法正常工作——该方法需要依赖分组水平的变异信息调整自由度，而二分变量的变异信息极其有限，最终输出的自由度就会异常偏低。