GLMM跨层交互项简单斜率分析出现p=NaN问题求助

我针对存在显著关联的GLMM（广义线性混合模型）跨层交互项进行了简单斜率分析，使用R语言的reghelper包，代码如下：

if (require(lme4, quietly=TRUE)) {
    model <- glmer(Y ~ X * W + (1|Com_ID), data=dat, family='binomial')
    print(summary(model))
    print(simple_slopes(model))
    graph_model(model, y=Y, x=X, lines=W)
}

模型摘要及simple_slopes输出结果：

Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
 Family: binomial  ( logit )
Formula: Y ~ X * W + (1 | Com_ID)
   Data: dat

     AIC      BIC   logLik deviance df.resid 
  1441.5   1468.0   -715.7   1431.5     1473 

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-0.6387 -0.6055 -0.3888 -0.3147  3.1778 

Random effects:
 Groups Name        Variance Std.Dev.
 Com_ID (Intercept) 0.007915 0.08897 
Number of obs: 1478, groups:  Com_ID, 11

Fixed effects:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  -1.3638     0.1117 -12.204  < 2e-16 ***
X            -0.4381     0.1095  -3.999 6.37e-05 ***
Wurban       -0.1526     0.1562  -0.977    0.329    
X:Wurban     -0.1977     0.1489  -1.328    0.184    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
         (Intr) X      Wurban
X         0.258              
Wurban   -0.722 -0.185       
X:Wurban -0.187 -0.736  0.289
       X                  W Test Estimate Std. Error t value
1     -1 0.0451892102738553        0.1820     0.2483  0.8039
2      0 -0.152553682044491        0.1562    -0.9766  0.3288
3      1 -0.350285976436759        0.2450    -1.4298  0.1528
4 sstest -0.438054016500106        0.1095    -3.9987  0.0001
5 sstest -0.635779394026394        0.1009    -6.3039  0.0000

由于reghelper无法输出简单斜率的p值，我尝试用在线计算器计算，但在部分条件下，简单截距和斜率的SE、z、p均显示为NaN，调整df参数后仍无改善。注：Y和X为二分类数据（X已标准化），W为二分类因子。

1. 在线工具适配性问题 #

该在线计算器核心适配传统多层线性模型（HLM），而你的模型是二分类结局的GLMM，二者的参数估计逻辑、方差-协方差结构差异极大，计算器无法正确解析GLMM的参数协方差矩阵，导致输出NaN。

2. 变量编码的潜在冲突 #

X是二分类数据却做了标准化，虽然操作本身可行，但在线计算器默认按连续变量逻辑处理，对标准化后的二分类变量的斜率计算出现适配问题。

3. R本地计算的可靠方案 #

直接在R中完成简单斜率的p值计算，无需依赖在线工具，推荐两种方法：

方法一：使用emmeans包计算简单效应 #

library(emmeans)
# 计算X在W不同水平下的简单斜率
emm <- emtrends(model, ~ W, var = "X")
# 输出包含p值的结果
summary(emm, infer = TRUE)

方法二：手动计算标准误与p值 #

从模型方差-协方差矩阵中提取系数协方差，结合简单斜率公式计算：

# 提取固定效应的协方差矩阵
vcov_mat <- vcov(model)
# W=0时，X的简单斜率为X的系数：-0.4381
# W=1时，X的简单斜率为X + X:Wurban的系数：-0.4381 + (-0.1977) = -0.6358
# 计算W=1时斜率的标准误
slope_se_w1 <- sqrt(vcov_mat["X","X"] + vcov_mat["X:Wurban","X:Wurban"] + 2*vcov_mat["X","X:Wurban"])
# 计算z值与p值
z_w1 <- (-0.6358)/slope_se_w1
p_w1 <- 2*pnorm(abs(z_w1), lower.tail = FALSE)

内容的提问来源于stack exchange，提问作者Atsushi-S