使用R的powerSim函数计算LMM固定效应功效时出错的排查

我构建了一个包含2个分类固定因子（ffactor1、ffactor2）、1个随机因子（id）以及无关协变量（baseline）的线性混合模型（LMM），尝试使用R的powerSim函数估计功效，重点关注ffactor2且希望采用自助法（bootstrapping）。

运行代码：

mymodel <- lmer(Y ~ baseline + ffactor1*ffactor2 + (1|id), data=data)
p <- powerSim(mymodel, nsim=50, test = fixed(xname="ffactor2",method = "pb"))
p

得到结果：

Power for predictor 'ffactor2', (95% confidence interval):
       0.00% ( 0.00,  7.11)

Test: Parametric bootstrap (package pbkrtest)

Based on 50 simulations, (0 warnings, 50 errors)
alpha = 0.05, nrow = NA

Time elapsed: 0 h 0 m 0 s

注：结果可能为观测功效计算值

请问我哪里操作有误？

从结果里的50 errors可以看出，模拟过程完全失败，以下是核心问题和解决方向：

• 模型设定与检验对象不匹配
  你的模型包含ffactor1*ffactor2交互项，此时ffactor2的主效应是ffactor1处于参考水平下的效应，但pbkrtest的fixed()检验默认是检验该因子的整体联合效应。如果ffactor2是多分类，或交互项存在时主效应的检验逻辑不明确，会导致bootstrap过程报错。可以尝试显式指定联合检验：test = fixed(xname="ffactor2", method="pb", type="joint")；如果关注特定水平对比，需用contrasts参数定义具体对比项。

• powerSim使用前提不满足
  simr包的powerSim需要基于拟合正常的有效应模型模拟数据：

  1. 先检查summary(mymodel)的输出，确认随机效应方差不为0（若为0，模型会退化为固定效应模型，不适合用混合模型的功效分析）；
  2. nrow = NA说明函数无法识别原始数据样本量，大概率是data存在缺失值，或模型拟合本身有问题（比如完全分离、共线性），需先清理数据并重新拟合模型。

• bootstrap检验参数设置问题
  pb方法依赖pbkrtest包，需确保包版本兼容，且bootstrap迭代次数足够。可以在fixed()中增加B=1000参数指定bootstrap次数，同时更新lme4、pbkrtest、simr到最新版本。

• 模拟次数与样本量不足
  nsim=50的模拟次数太少，不仅功效估计精度极差，还容易出现全失败情况，建议至少设置nsim=200；若原始数据样本量过小，bootstrap检验稳定性会大幅下降，也会导致模拟报错。

内容的提问来源于stack exchange，提问作者MarieZ