在R中为含两个虚拟变量的随机效应模型执行事后检验

错误原因 #

你用glht指定col1做Tukey检验时报错，是因为**col1是模型中的随机效应变量**，而multcomp的mcp函数只能针对模型里的固定效应变量做多重比较，程序找不到对应变量才抛出错误。你的真实需求是比较固定效应col2的A/B/C三组，得调整模型和检验代码。

解决方案步骤 #

1. 重构模型（更简洁且适配事后检验）

不需要手动创建A、B哑变量，直接把col2转为因子作为固定效应纳入模型，模型会自动处理分组对比，也方便后续多重检验：

library(lme4)
library(lmerTest)
library(multcomp)

# 重新处理数据：将col2转为因子
df$col2 <- as.factor(df$col2)
# 构建模型，col2作为固定效应，col1作为随机效应
model <- lmer(col3 ~ col2 + (1 | col1), data = df)
summary(model)

这个模型的固定效应结果默认以C组为参照，输出A vs C、B vs C的对比，和你原来的模型结果一致，但结构更适合做全组两两比较。

2. 执行正确的事后检验

针对固定效应col2做Tukey多重比较，指定holm调整p值：

# 对col2的所有分组做Tukey事后检验
post_hoc <- glht(model, linfct = mcp(col2 = "Tukey"))
# 输出调整后的检验结果
summary(post_hoc, test = adjusted("holm"))

这样就能得到A vs C、B vs C、A vs B三组的两两对比结果，同时保留随机效应col1的影响。

3. （可选）基于原哑变量模型的手动对比

如果不想重构模型，也可以手动定义线性对比来完成A vs B的比较：

# 手动指定对比：A组 - B组 = 0
contrast <- glht(model, linfct = c("A - B = 0"))
summary(contrast, test = adjusted("holm"))

这种方法只能逐个指定对比，不如直接用因子变量的Tukey检验高效。

额外提示 #

你的模型输出里提示boundary (singular) fit，说明随机效应col1的方差估计为0，意味着col1作为随机效应没有解释额外的变异，你可以考虑简化模型为普通线性模型（lm），或者检查数据结构是否合理。

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