基于R语言GLMMadaptive的多左删失数据混合效应建模求助

1. GLMMadaptive是否为合适选择？ #

是的，GLMMadaptive完全适配你的场景：

• 支持左删失、右删失、区间删失，能处理随仪器/污染物变动的不同删失阈值（多删失水平）
• 原生支持混合效应模型（随机截距、随机斜率），可解决样本内多种污染物测量的非独立性问题
• 对比你试过的工具：NADA包不支持混合效应，VGAM包的tobit类模型无随机效应接口，GLMMadaptive是当前最匹配的选择，没有遗漏核心功能。

2. 如何指定删失观测及删失水平？ #

GLMMadaptive的删失指定不是通过censored.normal()的参数，而是需要在数据中构造上下限列来定义每个观测的测量区间：

步骤1：构造删失区间列 #

在你的pollutants数据框中新增两列（假设已有Result（测量值）、Censor_Type（标识删失类型："left"=低于阈值，"right"=高于阈值，"exact"=精确测量）、Threshold（对应观测的删失阈值））：

# 用dplyr构造上下限列，也可以用base R实现
pollutants <- pollutants %>%
  mutate(
    # y_lower：左边界，左删失时填阈值，精确值填自身，右删失填-Inf
    y_lower = case_when(
      Censor_Type == "left" ~ Threshold,
      Censor_Type == "exact" ~ Result,
      Censor_Type == "right" ~ -Inf
    ),
    # y_upper：右边界，右删失时填阈值，精确值填自身，左删失填Inf
    y_upper = case_when(
      Censor_Type == "right" ~ Threshold,
      Censor_Type == "exact" ~ Result,
      Censor_Type == "left" ~ Inf
    )
  )

步骤2：修改模型代码 #

将原模型中的Result替换为y_lower | y_upper的形式，censored.normal()会自动识别区间定义的删失类型：

library(GLMMadaptive)

fit <- mixed_model(
  fixed = y_lower | y_upper ~ Sample_type/AG_level/Regulated,
  random = ~1|Sample_ID,
  data = pollutants,
  family = censored.normal()
)

# 查看模型结果
summary(fit)

补充说明 #

• 如果你的数据只有单一方向的删失（比如仅左删失），仍推荐用区间列的方式，因为它能兼容不同观测的不同阈值
• 模型拟合后，summary()输出会包含删失观测的统计信息（数量、类型占比），可用于验证删失定义是否正确

内容的提问来源于stack exchange，提问作者SGE