使用lmer拟合模型遇奇异性警告：变量编码调整后警告消失的原因咨询

使用lmer拟合含随机斜率和跨层交互的多水平模型：被试观看5类视频，探究被试水平变量（外向性extraversion）与视频类别对因变量（积极情绪positive affect）的交互作用。预处理步骤包括：将视频类别转为因子并指定“Neutral videos”为参考类，对被试水平变量中心化。运行模型时出现奇异性警告，但不重编码视频类别、不中心化变量时警告消失，询问操作错误点。

预处理与模型代码：

# 中心化外向性
df$centered.extrav <- (df$extrav - mean(df$extrav, na.rm=TRUE))

# 创建并重编码因子
vid_type.f <- as.factor(df$vid_type)
vidcategory_ <- relevel(vid_type.f,ref = "Neutral")

# 含重编码因子的随机斜率模型
mlm1.2 <- 
  lmer(pos_affect ~ vidcategory_ + (1 + vidcategory_|PID), data=df, REML=FALSE)

# 含中心化变量的跨层交互模型
mlm1.3 <- 
  lmer(pos_affect ~ 1 + vidcategory_ + centered.extrav + vidcategory_:centered.extrav + (1+ vidcategory_|PID),
       data=df, REML = FALSE)

核心原因：随机效应结构的完全共线性 #

你在随机部分指定的(1 + vidcategory_|PID)存在本质问题：

• vidcategory_是5水平因子，会生成4个虚拟变量，加上随机截距后，这5个随机效应（截距+4个虚拟变量）之间存在完全共线性（4个虚拟变量的和恒等于-1，与截距线性相关），导致随机效应协方差矩阵秩亏，触发奇异性警告。
• 不重编码因子时警告消失，只是软件未及时检测到共线性，或数据尺度差异掩盖了信号，但随机结构的问题依然存在，并非编码方式本身的错误；中心化变量后，尺度更统一，模型更容易识别出秩亏问题，因此警告显现。

修正方案 #

1. 调整随机效应结构：

   • 若要估计每个视频类别的随机效应，去掉随机截距，使用(0 + vidcategory_|PID)（等价于(vidcategory_-1|PID)），避免截距与虚拟变量的共线性：

     mlm1.2_fixed <- lmer(pos_affect ~ vidcategory_ + (0 + vidcategory_|PID), data=df, REML=FALSE)
     mlm1.3_fixed <- lmer(pos_affect ~ vidcategory_ + centered.extrav + vidcategory_:centered.extrav + (0 + vidcategory_|PID), data=df, REML=FALSE)
     

   • 若要保留随机截距（作为参考类“Neutral”的随机效应），仅给非参考类的视频类别添加随机斜率，比如手动指定类别：

     # 假设非参考类为Party、NonParty、Animal、Funny
     mlm1.3_fixed2 <- lmer(pos_affect ~ vidcategory_ + centered.extrav + vidcategory_:centered.extrav + 
                             (1 + vidcategory_Party + vidcategory_NonParty + vidcategory_Animal + vidcategory_Funny|PID),
                           data=df, REML=FALSE)
     

2. 检查数据完整性：
   确认每个被试是否观看了所有5类视频。若存在被试仅观看部分类别，会导致对应随机效应的估计信息不足，加剧奇异性问题，需补充数据或简化随机结构。

内容的提问来源于stack exchange，提问作者Sam Jones