线性混合模型(LMM)事后分析运行报错：缺失TRUE/FALSE逻辑值求助

该错误本质是pairs()函数执行逻辑判断时，获取到的emmeans返回对象存在空值，导致无法完成TRUE/FALSE的布尔判断，常见诱因有两个：

1. 随机效应语法错误，lmer模型拟合结果异常，emmeans无法正常估算边缘均值
2. 自变量存在连续变量/缺失组合/未转因子的情况，边缘均值估算结果存在NA值

• 修正随机效应语法
  你当前写的(1|"FACTOR of 13 levels")是无效语法，不能直接把因子描述放在引号中作为随机效应项，需要替换为数据集内实际的分组变量名，且提前将该变量转换为因子类型：

  # 替换group为你实际的13水平分组变量名
  data$group <- as.factor(data$group)
  model1 <- lmer(Y ~ X1 * X2 + (1|group), data = data, REML = FALSE)
  

• 校准自变量属性和数据完整性
  如果X1、X2为分类变量，需先转换为因子，同时检查两个变量的交叉组合是否存在空白单元格：

  # 查看变量类型
  str(data[,c("X1","X2")])
  # 转换为分类因子（仅当X1/X2为分类变量时执行）
  data$X1 <- as.factor(data$X1)
  data$X2 <- as.factor(data$X2)
  # 检查交叉组合的观测数，确认是否存在0观测的空白组合
  table(data$X1, data$X2, useNA = "ifany")
  

• 调整事后检验参数
  重新运行emmeans和pairs时加入na.rm = TRUE参数过滤空值，若存在空白组合可以将tukey替换为更适合非平衡设计的mvt校正方法：

  library(emmeans)
  # 估算边缘均值时过滤空值
  post_hoc <- emmeans(model1, ~ X1*X2, na.rm = TRUE)
  # 先打印确认post_hoc无NA值
  print(post_hoc)
  # 执行两两对比
  pairs(post_hoc, adjust = "tukey", na.rm = TRUE)
  

如果修改后仍报错，可以在emmeans函数中加入参数lmer.df = "satterthwaite"，避免自由度估算异常导致的空值问题。

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