R中perm.lmer置换检验截距项p值为NA的原因、解读及用法验证

问题背景 #

我研究FROH（近交水平）随age的变化，将island和year设为随机效应，使用perm.lmer函数构建如下模型：

permmod1<- perm.lmer(FROH ~ age + (1|island) + (1|year) , data = Ad_Data, nperm = 1000, type = "regression", progress = F)

得到的结果中截距项p值为NA，且数据无缺失值。请问该情况的原因是什么？如何解读？使用perm.lmer函数是否有误？

输出结果如下：

> permmod1
           Factor        LRT         beta         t     p
    1 (Intercept) 3159.75993  0.030081868  6.408866    NA
    2         age   13.51311 -0.001078063 -2.835235 0.003

> summary(permmod1)
                Factor               LRT               beta                 t                 p        
             Length:2           Min.   :  13.51   Min.   :-0.001078   Min.   :-2.8352   Min.   :0.003  
             Class :character   1st Qu.: 800.07   1st Qu.: 0.006712   1st Qu.:-0.5242   1st Qu.:0.003  
             Mode  :character   Median :1586.64   Median : 0.014502   Median : 1.7868   Median :0.003  
                                Mean   :1586.64   Mean   :0.014502   Mean   :1.7868   Mean   :0.003  
                                3rd Qu.:2373.20   3rd Qu.:0.022292   3rd Qu.:4.0978   3rd Qu.:0.003  
                                Max.   :3159.76   Max.   :0.030082   Max.   :6.4089   Max.   :0.003  
                                                                                        NA's   :1      

原因分析 #

• 置换检验的逻辑限制：perm.lmer采用置换检验计算p值，核心是打乱响应变量（FROH）的顺序、重新拟合模型来生成检验统计量的分布。但截距项代表age=0时的FROH预测值，置换操作无法生成“截距为0”这一零假设对应的分布——打乱响应变量不会改变截距作为观测值中心趋势估计的本质，因此无法计算其p值，返回NA。
• 函数默认行为：perm.lmer默认不对截距项做置换检验，因为截距的显著性在多数回归分析中没有实际研究价值，我们更关注自变量（age）对因变量的影响，而非age=0时的基准值是否显著不为0。

结果解读 #

• 截距项的NA是正常现象，无需纠结。截距的beta值（0.0301）和t值（6.4089）依然有效，它表示age=0时FROH的估计值为0.0301，常规t检验下该估计值与0的差距显著，但置换检验不提供这个显著性的p值。
• age项的p值为0.003，说明在控制island和year的随机效应后，age对FROH的负向影响（beta=-0.0011）在1000次置换检验中具有统计学显著性。

函数使用是否有误？ #

没有错误。你的模型设定符合研究目的：用island和year作为随机效应控制组间变异，用置换检验应对可能的正态性假设不满足问题，函数调用的参数（nperm=1000、type="regression"）也合理。截距项的NA是置换检验的固有特性，不是函数使用错误导致的。

内容的提问来源于stack exchange，提问作者Nitya Shrestha