为什么运行glmer移除2.5sd残差离群值时出现“bad data”错误？

报错核心原因及对应排查方向 #

• 最常见原因：初始模型拟合时自动剔除的缺失值行，导致残差长度与原始数据集行数不匹配
  glmer()拟合模型时会默认自动删除数据中包含自变量、因变量、随机效应分组变量缺失值的行，最终拟合用的数据集行数会少于原始ldt的行数，因此你提取到的resid(acc.glmer)的长度是剔除缺失值后的行数，和原始ldt的行数不一致，用这个长度不匹配的逻辑向量去索引原始ldt时，就会产生无效索引，最终触发bad 'data'报错。
  如果其他数据集没有缺失值、拟合初始模型时没有被自动剔除行，就不会出现这个问题。
• 筛选后的数据集存在无效样本/分组
  你筛选出来的子数据集可能存在以下问题：
  1. 因变量correct_answer某一类别完全被筛除，二项分布拟合需要同时存在0和1的观测
  2. 随机效应分组（Participant/word）某一组只剩1个及以下观测，无法估计随机效应方差
  3. 固定效应condition某一水平的观测完全被筛除，无法估计对应回归系数
• 逻辑索引存在NA值
  如果acc.glmer的残差存在NA值，abs(scale(resid(acc.glmer)))<2.5的结果也会出现NA，用带NA的逻辑向量索引数据集会产生NA行，glmer无法识别这类无效行。

解决方法 #

你可以先将初始模型用到的无缺失值数据集单独提出来，再做筛选，示例代码如下：

# 先拟合初始模型
acc.glmer <- glmer(correct_answer ~ condition + (1|Participant) + (1|word), 
data = ldt, family="binomial")
# 提取初始模型实际用到的无缺失值数据集
model_data <- model.frame(acc.glmer)
# 加入残差筛选条件，得到过滤后的数据集
filtered_data <- model_data[abs(scale(resid(acc.glmer))) < 2.5, ]
# 拟合新模型
acc.glmer1 <- glmer(correct_answer ~ condition + (1|Participant) + (1|word), 
data = filtered_data, family="binomial")

内容的提问来源于stack exchange，提问作者Katerina