运行R语言anova_test做ANOVA时出现lm.fit 0 (non-NA) cases错误怎么办

该报错Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 0 (non-NA) cases的本质是anova_test在拟合重复测量ANOVA模型时，筛选后符合模型要求的有效样本量为0。
你使用的是双因素重复测量ANOVA，要求每个wid（被试标识）必须在所有within因子的水平组合下都有非缺失的观测值，只要存在任意被试缺少某一个组合的观测、或对应value为NA，就会触发该报错。

1. 首先计算两个within因子的总水平组合数
   先分别查看series和Before.Treatments的水平数，两者相乘即为每个被试需要的完整观测数：

# 查看因子水平数
nlevels(df$series)
nlevels(df$Before.Treatments)

比如series有2个水平、Before.Treatments有3个水平，总组合数就是6，每个被试都需要有6条对应不同组合的有效数据。

2. 检查被试数据的完整性
   运行代码查看每个Before.ID对应的有效组合数：

library(dplyr)
df %>% 
  filter(!is.na(value)) %>% 
  count(Before.ID, series, Before.Treatments) %>% 
  count(Before.ID, name = "valid_comb_num")

只要存在任意Before.ID的valid_comb_num小于总组合数，就会导致模型拟合失败。

3. 检查因变量缺失情况
   运行代码确认value列的缺失比例：

sum(is.na(df$value))

如果value全为NA也会触发相同报错。

方法1：保留完整观测被试，继续使用重复测量ANOVA #

筛选出所有符合完整观测要求的被试后再建模：

# 替换下方的<总组合数>为你第一步计算的实际数值，比如6
valid_id <- df %>% 
  filter(!is.na(value)) %>% 
  count(Before.ID, series, Before.Treatments) %>% 
  count(Before.ID) %>% 
  filter(n == <总组合数>) %>% 
  pull(Before.ID)

df_clean <- df %>% filter(Before.ID %in% valid_id)

# 重新运行ANOVA
res.aov <- anova_test(
  data = df_clean, dv = value, wid = Before.ID,
  within = c(series, Before.Treatments)
)
get_anova_table(res.aov)

方法2：更换为线性混合效应模型 #

如果缺失数据较多，删除被试会导致样本量损失过大，可以选择不要求完整观测的线性混合效应模型替代重复测量ANOVA：

library(lme4)
library(lmerTest)

# 构建混合效应模型，将被试作为随机效应
mix_model <- lmer(value ~ series * Before.Treatments + (1|Before.ID), data = df)
anova(mix_model)

内容的提问来源于stack exchange，提问作者SoundsF1shy