使用lmer4拟合随机效应模型失败：非数值型变量问题求助

变量定义 #

• 因变量y：正确响应的频率（对应数据列answers_correct为True的观测）
• 自变量x：善意条件（对应数据列condition_benevolent为True），True代表善意实验条件，False代表恶意或随机实验条件

问题描述 #

尝试了以下代码拟合模型，但因变量非数值型，无法用lmer4计算随机效应模型：

#Linear mixed model benevolent

#data_with_id$condition_benevolent_numeric <- recode(data_with_id$condition_benevolent, "False"  = 0, "True" = 1)               

#n <- 480
x <- c(data_with_id$condition_benevolent)
data_with_id$condition_benevolent <- as.numeric(data_with_id$condition_benevolent == "A")
view(data_with_id$condition_benevolent)

x <- model.matrix(~x -1, data = data_with_id, drop.unused.levels = TRUE)[,-1] #dummycodierung, True=1
#frequ <- häufigkeit_richtig_df_benev

y <- data_with_id$answers_correct

model_H1.1_benevolent <- lmer(y ~ x + (1|trial), data=data_with_id) 
summary(model_H1.1_benevolent)

length(y)
length(x)
length(data_with_id$trial)
view(y)
view(x)
nrow(data_with_id)
nrow(data_with_id$condition_benevolent)
nrow(data_with_id$trial)

解决方案 #

核心问题是因变量answers_correct是逻辑型（True/False），而lmer要求因变量为数值型，同时原代码的自变量编码存在错误，以下是修正步骤：

1. 转换因变量为数值型

逻辑型变量直接用as.numeric()转换即可，True会自动转为1，False转为0：

data_with_id$answers_correct_num <- as.numeric(data_with_id$answers_correct)

2. 修正自变量编码

原代码中as.numeric(data_with_id$condition_benevolent == "A")是错误的，应该直接基于原逻辑型列转换：

data_with_id$condition_benevolent_num <- as.numeric(data_with_id$condition_benevolent)

也可以保留因子型，让lmer自动处理虚拟编码，效果一致。

3. 简化模型代码

不需要手动用model.matrix做虚拟编码，lmer可以直接处理数值型/逻辑型/因子型自变量，修正后的完整代码：

library(lmer4)

# 数据预处理
data_with_id$answers_correct_num <- as.numeric(data_with_id$answers_correct)
data_with_id$condition_benevolent_num <- as.numeric(data_with_id$condition_benevolent)

# 拟合线性混合模型
model_H1.1_benevolent <- lmer(answers_correct_num ~ condition_benevolent_num + (1|trial), 
                              data = data_with_id)

# 查看模型结果
summary(model_H1.1_benevolent)

额外说明 #

• 如果你的answers_correct是每个观测的正确/错误标记（不是聚合后的频率），线性混合模型适用；如果是聚合后的正确次数（比如每个trial有多次响应的频率），建议用广义线性混合模型（glmer），指定二项分布：

  model_H1.1_benevolent_glmer <- glmer(answers_correct_num ~ condition_benevolent_num + (1|trial), 
                                       data = data_with_id, family = binomial)
  

• 拟合前检查数据完整性：用data_with_id <- data_with_id[complete.cases(data_with_id),]删除含缺失值的行，避免维度不匹配报错。

内容的提问来源于stack exchange，提问作者Joy