使用psych包autoR函数时遇dim(X)必须为正长度错误的求助

我有一个名为data的数据框，包含重复study_id的多场次观测数据，Positive或Negative字段存在NA值（甚至两者均为NA）。使用psych包做自相关分析时：

mssd(data$Negative, group=data$study_id, lag = 1, na.rm=TRUE)
rmssd(data$Negative, group=data$study_id, lag=1, na.rm=TRUE)
autoR(data$Negative, group=data$study_id, lag=1, na.rm=TRUE, use="pairwise")

mssd()和rmssd()可正常运行，但调用autoR()时触发错误：

Error in apply(x[1:(n.obs - lag), ], 2, sd, na.rm = na.rm) : dim(X) must have a positive length

即使设置na.rm=TRUE或用na.omit()处理数据，错误依然存在。数据结构如下：

structure(list(study_id = structure(c(001, 001, 002, 002, 003, 003), format.spss = "F6.0", display_width = 0L), Date = structure(c(18584, 18584, 18585, 18585, 18585, 18585), format.spss = "DATE11", display_width = 0L, class = "Date"), SignalNumber = structure(c(1, 2, 1, 2, 1, 2), format.spss = "F8.2", display_width = 0L), Negative = structure(c(1, 3.3, 1.5, 4, NA, 1.5), format.spss = "F8.2", display_width = 0L), Positive = structure(c(4.33333333333333, NA, 2.66666666666667, NA, 3, 4), format.spss = "F8.2", display_width = 0L)), row.names = c(NA, -6L), class = c("tbl_df", "tbl", "data.frame"))

• autoR()的分组处理逻辑和mssd()/rmssd()不同：它要求每个分组内的有效非NA观测数至少大于lag+1，否则分组处理后的数据维度会变为0，触发报错。
• 看数据里的study_id=003：Negative字段仅1个有效非NA值，而lag=1需要至少2个有效观测才能计算滞后1期的自相关，这个分组的有效数据量不满足要求，导致函数内部的apply操作处理空数据，抛出错误。
• 全局用na.omit()删NA会把study_id=003的第一行删掉，但该分组仍只剩1条数据，依然达不到要求，还会破坏其他分组的结构，不是正确处理方式。

方法1：提前过滤样本量不足的分组 #

先筛选出每个study_id下Negative非NA观测数≥lag+1的分组，再传入autoR()：

library(dplyr)

# 筛选符合要求的分组
valid_groups <- data %>%
  group_by(study_id) %>%
  summarise(n_valid = sum(!is.na(Negative))) %>%
  filter(n_valid >= 2) %>% # lag=1，需要至少2个有效观测
  pull(study_id)

# 过滤后调用autoR()
autoR(data$Negative[data$study_id %in% valid_groups],
      group=data$study_id[data$study_id %in% valid_groups],
      lag=1, na.rm=TRUE, use="pairwise")

方法2：手动分组计算自相关 #

如果不想丢弃分组，可以用dplyr手动计算每个分组的自相关系数，样本量不足的分组会返回NA，不会报错：

library(dplyr)

data %>%
  group_by(study_id) %>%
  arrange(SignalNumber) %>% # 确保观测按场次排序
  mutate(lag_neg = lag(Negative, n=1)) %>%
  summarise(auto_cor = cor(Negative, lag_neg, use="pairwise.complete.obs"))

方法3：修改autoR源码（不推荐） #

如果一定要保留所有分组且用autoR()，可以修改函数源码，添加对分组样本量的判断，跳过样本不足的分组。但这种方法需要熟悉源码逻辑，风险较高，不如前两种稳妥。

内容的提问来源于stack exchange，提问作者AcidCatfish