如何为含缺失值的数据集添加lmer模型的拟合值？

核心原因 #

lmer拟合模型时会自动删除包含缺失值的观测（列表删除法），导致fitted(mlm1)的行数比原数据少，直接赋值就会触发行数不匹配的报错。

具体解决方案 #

方法1：用predict直接匹配原数据（推荐） #

直接调用predict()并指定原数据为newdata，函数会自动对原数据中因缺失值被排除的行返回NA，完美匹配原数据行数：

data_similar_school$fitted <- predict(mlm1, newdata = data_similar_school)

方法2：利用模型的na.action属性还原 #

模型的na.action记录了被删除的行索引，可以通过它将拟合值还原到原数据维度：

# 获取拟合值，反向填充缺失位置为NA
fitted_full <- naresid(mlm1, fitted(mlm1))
# 赋值到原数据
data_similar_school$fitted <- fitted_full

或者手动处理：

fitted_vals <- fitted(mlm1)
# 创建和原数据同长度的向量，初始为NA
fitted_full <- rep(NA, nrow(data_similar_school))
# 将拟合值填充到模型保留的行位置
fitted_full[-mlm1@na.action] <- fitted_vals
data_similar_school$fitted <- fitted_full

方法3：手动添加ID进行匹配 #

如果上述方法失效，可以给原数据添加唯一行ID，再通过ID关联拟合值：

# 给原数据添加唯一行ID
data_similar_school$row_id <- seq_len(nrow(data_similar_school))
# 提取模型使用的数据集，添加拟合值和对应ID
model_df <- model.frame(mlm1)
model_df$fitted <- fitted(mlm1)
model_df$row_id <- data_similar_school$row_id[-mlm1@na.action]
# 左连接回原数据
data_similar_school <- merge(data_similar_school, model_df[, c("row_id", "fitted")], 
                             by = "row_id", all.x = TRUE)

内容的提问来源于stack exchange，提问作者m45ha