ezANOVA分析sad变量时遇单元格均值NA报错的解决求助

• 先定位问题根源
  先排查是单个观测缺值，还是某个Racism+PerceiverRace的组合完全没有数据：

  # 查看每个交叉组合的观测数（含NA）
  table(df_test$Racism, df_test$PerceiverRace, useNA = "ifany")
  # 查看每个交叉组合的缺失值数量
  aggregate(sad ~ Racism + PerceiverRace, df_test, function(x) sum(is.na(x)))
  

• 方案1：给ezANOVA/ezStats添加缺失值忽略参数
  ezANOVA和ezStats都支持na.rm=TRUE参数，可直接忽略单个缺失值计算均值，无需删除整行：

  sad_ANOVA <- ezANOVA(data= df_test, 
                       wid = ResponseId, 
                       dv = .(sad), 
                       within = .(Racism, PerceiverRace), 
                       type = 2,
                       na.rm = TRUE)
  
  print(sad_ANOVA)
  
  sad_desc <- ezStats(df_test, 
                      dv = .(sad), 
                      wid = ResponseId, 
                      within = .(Racism, PerceiverRace),
                      na.rm = TRUE)
  

• 方案2：改用混合效应模型处理缺失值（更灵活）
  如果方案1无效（比如存在完全空的交叉单元格），重复测量ANOVA的限制较多，改用混合效应模型可以兼容单个缺失值，无需删除被试：

  # 加载包
  library(lme4)
  library(emmeans)
  
  # 构建混合模型，将ResponseId作为随机效应
  sad_lmer <- lmer(sad ~ Racism * PerceiverRace + (1|ResponseId), 
                   data = df_test, 
                   na.action = na.exclude)
  
  # 检验交互效应和主效应的显著性
  anova(sad_lmer)
  
  # 计算各交叉组的描述统计（均值、标准误等）
  sad_desc <- emmeans(sad_lmer, ~ Racism * PerceiverRace)
  summary(sad_desc)
  

• 方案3：针对性删除缺失行（避免空单元格）
  如果必须用ezANOVA，不要直接全量删除缺失值，只删除sad列有缺失的行，同时确保每个交叉组合仍有观测：

  # 只删除sad列有缺失的行
  df_clean <- df_test[!is.na(df_test$sad), ]
  # 再次检查交叉组合是否有数据
  table(df_clean$Racism, df_clean$PerceiverRace)
  # 确认无空单元格后运行ezANOVA
  sad_ANOVA <- ezANOVA(data= df_clean, 
                       wid = ResponseId, 
                       dv = .(sad), 
                       within = .(Racism, PerceiverRace), 
                       type = 2)
  

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