lme4使用样本量与完整案例数据集存在差异的原因及排查方法

问题1：lme4为何会使用4个非完整案例？ #

你统计的“模型变量完整案例数337”和lme4实际用的341不一致，核心原因是你计算完整案例时的变量范围和lme4实际用到的变量范围不匹配：

• lme4默认用na.omit处理缺失值，只会剔除**模型公式中涉及的所有变量（固定效应、随机效应、权重/偏移项等）**存在缺失的行，完全不会理会数据集里没用到的其他变量。
• 你计算完整案例时可能误把模型没用到的变量也算进去了，导致统计的完整案例数比lme4实际保留的少。
• 另外排查下：有没有在模型中使用offset()、weights()这类你没纳入完整案例统计的变量？这些变量的缺失也会被lme4纳入剔除逻辑，但如果你的统计没包含它们，就会出现数字差。

问题2：如何找出lme4实际使用的观测值ID？ #

给你几个简单直接的方法：

• 方法1：从模型对象提取被保留行号
  假设你的模型叫model，原数据集叫dat，执行以下代码：

  # 获取被保留的行号
  kept_rows <- setdiff(1:nrow(dat), model$na.action)
  # 提取对应的ID
  kept_ids <- dat$ID[kept_rows]
  

• 方法2：直接提取模型使用的数据集
  用model.frame()获取lme4实际用来拟合的数据集，直接从中取ID：

  model_dat <- model.frame(model)
  kept_ids <- model_dat$ID
  

• 方法3：利用拟合值的索引
  拟合值fitted(model)的长度就是341，它的行名对应原数据集的行号，转成数字后提取ID：

  kept_rows <- as.numeric(rownames(fitted(model)))
  kept_ids <- dat$ID[kept_rows]
  

额外验证步骤 #

如果还是对不上，先确认模型用到的所有变量，再重新计算完整案例数：

# 列出模型中涉及的所有变量
all_model_vars <- all.vars(formula(model))
# 用这些变量计算真实的完整案例数
true_complete_cases <- sum(complete.cases(dat[all_model_vars]))

这个数字应该和lme4输出的341一致，能帮你定位之前统计完整案例时的错误。

内容的提问来源于stack exchange，提问作者Justin Research