使用lmer拟合嵌套模型时遇分组因子水平数错误求助

你遇到的这个错误本质是混合模型要求每个分组因子的水平数必须小于总观测数，且每个分组水平要有足够的重复观测来估计随机效应，报错里的curveID:year和year就是不符合要求的分组。

先做这几步排查： #

• 先看总观测数，再对比分组的水平数：
  • 查看year的水平数和每个水平的观测数：

    nrow(test)                 # 总观测数
    length(unique(test$year))  # year的总水平数
    table(test$year)           # 每个year对应的观测数
    

  • 查看嵌套分组year/curveID的每个组合的观测数：

    table(test$year, test$curveID)
    

• 重点确认：有没有year的水平只有1个观测？或者curveID在某个year里只有1个观测？如果是这样，对应的随机效应就没有组内变异可以估计，模型自然跑不起来。

常见解决方向： #

1. 移除不符合要求的随机效应：
   • 如果每个year只有1个观测，那(1|year)这个随机效应没必要加，改成只保留curveID的随机效应：

     fit_nested <- lmer(value.my ~ value.open + age.true + (1|curveID), 
                        data = test, REML = FALSE)
     

   • 如果是curveID:year每个组合只有1个观测，嵌套结构不成立，可以把year作为固定效应：

     fit_nested <- lmer(value.my ~ value.open + age.true + factor(year) + (1|curveID), 
                        data = test, REML = FALSE)
     

2. 检查数据合理性：确认你的数据是不是真的适合嵌套随机效应，比如有没有把非重复测量的数据硬套嵌套结构？有没有数据录入错误导致重复分组？
3. 数据量不足的替代方案：如果总观测数太少，混合模型的随机效应估计不稳定，考虑用普通线性模型（lm）代替，把分组因子作为固定效应。

内容的提问来源于stack exchange，提问作者Jim