混合效应模型：lmer函数默认列表删除为何未按预期生效？

核心误解纠正 #

lme4包的默认缺失数据处理并非你理解的按受试者的列表删除（即只要受试者有任意一个时间点的因变量缺失就排除整个受试者），而是逐观测删除——仅删除因变量（或模型中纳入的自变量）存在缺失的单个观测行，保留该受试者其他非缺失的观测点参与分析。

结合你的数据验证 #

从你的结果可以直接验证这一点：

• 模型输出显示Number of obs: 216, groups: Patient, 131：总共有131名受试者（140总患者 - 9名两个时间点均缺失的患者），216个观测点正好是T0有数据的119个观测 + T3有数据的97个观测（119+97=216）。
• 这意味着模型保留了：
  • 同时拥有T0和T3数据的受试者（共85名：119+97-131=85，贡献85×2=170个观测）
  • 仅T0有数据的受试者（119-85=34名，贡献34个观测）
  • 仅T3有数据的受试者（97-85=12名，贡献12个观测）

为什么lme4默认这么做？ #

混合效应模型的核心优势之一就是支持非平衡数据——不需要每个受试者都完成所有时间点的测量。逐观测删除能最大化利用现有数据，避免因少量缺失就丢弃整个受试者的全部信息，这在临床或纵向研究中尤为实用。

若需按受试者列表删除（仅保留双时间点均有数据的受试者） #

如果你确实想要排除所有仅单个时间点有数据的受试者，可以先筛选数据再拟合模型：

# 筛选出两个时间点的BE_S均非缺失的患者
Data_filtered <- BES_alle_long_change %>%
  group_by(Patient) %>%
  filter(all(!is.na(BE_S))) %>%
  ungroup()

# 拟合列表删除后的模型
model_listwise <- lmer(BE_S ~ Gruppe * Zeitpunkt + Alter + Zentrum + (1 | Patient), data = Data_filtered)

内容的提问来源于stack exchange，提问作者FabRic