带随机截距且校正连续月份的混合模型回归编码咨询

1. 代码是否正确？ #

你的代码不完全符合需求。你要构建的是「带随机截距+用连续变量月份校正时间」的模型，但当前代码存在两个问题：

• 未将Month作为固定效应加入模型，无法实现时间校正；
• 随机部分(COVID_Cases | Month)是「随机截距+随机斜率」的结构，而你仅需要随机截距的话，应写成(1 | Month)。

符合需求的正确代码示例：

library(lme4)
# 加入Month作为固定效应校正时间，随机部分仅保留截距
model <- lmer(ACS_Cases ~ COVID_Cases + Month + (1 | Month), data = Monthly_ACS_COVID)

2. 报错与警告的原因 #

边界奇异拟合（boundary (singular) fit） #

• 原因：当前模型中COVID_Cases的随机斜率方差估计值接近0，说明数据无法支撑该随机斜率的存在，模型无法估计出有意义的随机变异。
• 解决：将随机部分改为仅保留随机截距的(1 | Month)，即使用上面给出的正确代码。

变量尺度差异警告（Some predictor variables are on very different scales） #

• 原因：ACS_Cases、COVID_Cases和Month的数值范围差异过大（比如病例数可能是数百/数千，月份仅为1-12），会影响模型的数值稳定性和参数估计效率。
• 解决：对数值范围大的变量做标准化处理，示例代码：

# 对病例数变量进行标准化
Monthly_ACS_COVID$COVID_Cases_scaled <- scale(Monthly_ACS_COVID$COVID_Cases)
Monthly_ACS_COVID$ACS_Cases_scaled <- scale(Monthly_ACS_COVID$ACS_Cases)
# 使用标准化后的变量建模
model <- lmer(ACS_Cases_scaled ~ COVID_Cases_scaled + Month + (1 | Month), data = Monthly_ACS_COVID)

3. 当前模型是否包含随机截距？ #

是的，你写的(COVID_Cases | Month)属于「随机截距+随机斜率」的结构，lme4中这种写法默认会包含随机截距。但这不是你需要的结构，仅需随机截距时应使用(1 | Month)。

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