如何在R循环中为多层模型添加被试间恒定的Level 2调节变量

核心问题分析 #

你之前的代码出错，本质是因为调节变量属于**Level 2（被试层面）**的单值数据——每个被试仅对应一个取值，但你从block.sub中提取时，要么通过!is.na过滤后可能得到空值/多个值，要么直接取整列导致长度不匹配，最终无法正确合并到行数据里。

方法1：用tidyverse重构数据（推荐，避免循环出错） #

放弃手动循环，用dplyr的分组聚合逻辑整理数据，代码更简洁且不易出错：

library(dplyr)

# 假设原始df包含所有所需变量：participant, block, slider_mentaleffort.response, goal, sum_correct，以及四个调节变量
final_df <- df %>%
  # 按被试+任务块分组
  group_by(participant, block) %>%
  # 提取每组的有效数据：Level1变量取block内的第一个非NA值，调节变量取被试的唯一值
  summarise(
    slider_mentaleffort = first(na.omit(slider_mentaleffort.response)),
    goal = first(na.omit(goal)),
    sum_correct = first(na.omit(sum_correct)),
    slider_effort = first(na.omit(slider_effort.response)),
    slider_talent = first(na.omit(slider_talent.response)),
    slider_luck = first(na.omit(slider_luck.response)),
    slider_taskdiff = first(na.omit(slider_taskdiff.response)),
    .groups = "drop"
  )

# 验证数据行数：应该是33*20=660行
nrow(final_df)

方法2：修改你的原始循环代码 #

如果一定要保留循环逻辑，需要先提取当前被试的调节变量单值，再添加到行数据中，避免从block.sub重复提取：

# 先初始化空数据框，指定列类型避免后续rbind出错
dummy.df <- data.frame(
  block = integer(),
  slider_mentaleffort = numeric(),
  goal = numeric(),
  sum_correct = integer(),
  slider_effort = numeric(),
  slider_talent = numeric(),
  slider_luck = numeric(),
  slider_taskdiff = numeric(),
  stringsAsFactors = FALSE
)

participants <- unique(df$participant)

for(i in 1:length(participants)) {
  participant.sub <- df[df$participant == participants[i],]
  participant.sub <- participant.sub[!is.na(participant.sub$participant),]
  
  # 提取当前被试的调节变量单值（每个被试仅一个，取第一个非NA值）
  sub_effort <- first(na.omit(participant.sub$slider_effort.response))
  sub_talent <- first(na.omit(participant.sub$slider_talent.response))
  sub_luck <- first(na.omit(participant.sub$slider_luck.response))
  sub_taskdiff <- first(na.omit(participant.sub$slider_taskdiff.response))
  
  for (j in 1:20) {
    block.sub <- participant.sub[participant.sub$block == j,]
    # 提取当前block的Level1变量
    mentaleffort <- first(na.omit(block.sub$slider_mentaleffort.response))
    goal_val <- first(na.omit(block.sub$goal))
    sum_corr <- first(na.omit(block.sub$sum_correct))
    
    # 构造行数据：直接用提前提取的被试层面调节变量
    data.row <- data.frame(
      block = j,
      slider_mentaleffort = mentaleffort,
      goal = goal_val,
      sum_correct = sum_corr,
      slider_effort = sub_effort,
      slider_talent = sub_talent,
      slider_luck = sub_luck,
      slider_taskdiff = sub_taskdiff,
      stringsAsFactors = FALSE
    )
    
    dummy.df <- rbind(dummy.df, data.row) 
  }
}

后续lmer分析示例 #

整理好数据后，就可以构建包含调节效应的多层模型，比如假设slider_mentaleffort是核心IV，sum_correct是DV，slider_effort是调节变量：

library(lme4)
# 包含交叉层交互的多层模型：Level1自变量 * Level2调节变量
model <- lmer(sum_correct ~ slider_mentaleffort * slider_effort + goal + (1 | participant), data = final_df)
summary(model)

内容的提问来源于stack exchange，提问作者Himang Choi