基于多层回归的Bootstrapping emmeans报错：替换项长度不匹配

你的核心问题是非参数Bootstrap抽样方式错误——直接按行抽样破坏了id与situation的嵌套结构，导致部分bootstrap样本中模型拟合异常或边际均值输出长度不一致，进而触发赋值错误。以下是修正后的完整流程：

关键思路 #

多层模型的非参数Bootstrap必须按集群（即id）抽样：抽取完整的id，保留每个id对应的所有5个情境数据，确保嵌套结构不被破坏；同时需返回固定长度的数值向量（5个情境的边际均值），供boot包处理。

完整代码实现 #

1. 加载包与准备数据 #

library(lme4)
library(emmeans)
library(boot)

# 构建示例数据（与你的代码一致，提前将situation转为因子）
id1 <- 1:10
id <- rep(id1, each = 5)
socbeh <- as.integer(rnorm(50, 3, 1))
Index1 <- 1:5
situation <- factor(rep(Index1, times = 10))  # 提前转因子，避免重复转换
df <- data.frame(id, situation, socbeh)

2. 定义Bootstrap函数 #

boot_fun <- function(unique_ids, ids_sample, full_data) {
  # 根据抽样的id筛选完整的集群数据
  boot_data <- full_data[full_data$id %in% unique_ids[ids_sample], ]
  
  # 处理模型拟合失败的情况（如样本量不足导致不收敛）
  model <- tryCatch(
    lmer(socbeh ~ (1|id) + situation, data = boot_data),
    error = function(e) NULL,
    warning = function(w) NULL  # 也可以捕获警告，视需求调整
  )
  
  if (is.null(model)) {
    # 返回与情境数量一致的NA向量，避免破坏bootstrap结果结构
    return(rep(NA, length(levels(full_data$situation))))
  }
  
  # 获取边际均值并提取数值向量
  em <- emmeans(model, ~situation)
  return(as.numeric(em$emmean))
}

3. 执行Bootstrap #

# 获取所有唯一的id集群
unique_ids <- unique(df$id)

# 启动Bootstrap：抽样单元是id，重复1000次
boot_result <- boot(
  data = unique_ids,
  statistic = boot_fun,
  R = 1000,
  full_data = df  # 传递完整数据集到函数
)

4. 计算置信区间 #

# 逐个情境输出百分位数置信区间
for (sit in levels(df$situation)) {
  idx <- which(levels(df$situation) == sit)
  ci <- boot.ci(boot_result, index = idx, type = "perc")
  cat(sprintf("情境 %s 的边际均值Bootstrap置信区间：\n", sit))
  print(ci)
}

错误原因解析 #

1. 行抽样的问题：直接对df按行索引抽样（data[idx,]）会导致部分id仅被抽取到部分情境数据，破坏嵌套结构。极端情况下，某些情境在bootstrap样本中无数据，导致emmeans返回的结果长度不足5，触发number of items to replace is not a multiple of replacement length错误。
2. model.matrix的误区：将数据转为模型矩阵会丢失原始的集群嵌套信息，且抽样后会因哑变量结构混乱导致variable lengths differ错误。
3. 函数返回值问题：之前的函数未明确返回固定长度的数值向量，boot包需要统计量为数值型向量而非emmeans对象，这也是报错的诱因之一。

内容的提问来源于stack exchange，提问作者Sointu