如何解决R中连续变量Hayes调节模型（Process模型1）的报错

我是R新手，正在做课程入门项目，所有变量都是连续型，想用Hayes的Process模型1跑调节模型，但运行后报错，想寻求解决办法。

运行代码 #

library(psych)
library(interactions)
library(rockchalk)
process(data = Prac, y = "no_After", x = "no_before", w = "FOMO", model = 1, center = 2, moments = 1, modelbt = 1, boot = 10000, seed = 12345)

报错信息 #

Error in desctmp[(4 + kd), jd] <- value : replacement has length zero

已做排查 #

• 确认数据无缺失值和异常值
• 更新并重启R及所有相关包
• 手动重新复制CSV文件

数据结构 #

> str(Prac)
'data.frame':   3 obs. of  4 variables:
 $ Subject  : int  101 103 119
 $ FOMO     : int  35 17 21
 $ no_before: num  3.25 5.3 11.94
 $ no_After : num  1.91 8.07 2.62

问题原因及解决建议 #

核心原因 #

样本量仅3个观测，远不足以支撑调节模型的估计。调节模型需要拟合主效应（X对Y、W对Y）以及交互效应（X*W对Y），3个观测的自由度完全不够，导致程序计算时出现赋值错误。

解决办法 #

1. 增加样本量：调节模型至少需要几十甚至上百个观测才能保证统计效力和模型稳定性，这是最根本的解决方式。
2. 用模拟数据测试代码：如果是课程练习阶段，可先生成模拟数据集验证代码逻辑是否正确，比如：

# 生成模拟数据
set.seed(123)
sim_data <- data.frame(
  no_before = rnorm(100, mean = 7, sd = 3),
  FOMO = rnorm(100, mean = 25, sd = 5),
  no_After = 0.5*no_before + 0.3*FOMO + 0.2*no_before*FOMO + rnorm(100, sd = 1)
)
# 运行Process模型1
process(data = sim_data, y = "no_After", x = "no_before", w = "FOMO", model = 1, center = 2, boot = 10000, seed = 12345)

内容的提问来源于stack exchange，提问作者אלין קצ'וקי