数据框无NA值时运行lmer仍报NA/NaN/Inf错误该如何解决？

API 探路者

2026-10-2

问题排查与解决步骤

你已经排除了NA值的影响，该报错通常还和Inf/NaN值、自变量共线性、数值稳定性、数据格式问题有关，按以下步骤逐一排查即可：

排查Inf/NaN值
你之前仅检测了NA值，未覆盖Inf（无限值）和NaN（非数值），这两类值同样会触发该报错。运行以下代码检测模型用到的变量：
```
target_cols <- c("HR", "rate_s", "Depth")
apply(df[,target_cols], 2, function(x) any(is.infinite(x) | is.nan(x)))
```
若返回某列结果为TRUE，筛选删除对应异常行后再重新运行模型。
排查共线性与数值稳定性问题
你模型中加入了rate_s*Depth的交互项，两个连续自变量如果量级差异大、或者本身相关性高，很容易出现共线性导致矩阵秩亏。可以先尝试跑不含交互项的基础模型验证：
```
model_test <- lmer(HR ~ rate_s + Depth + (1|seal_ID), data = df, na.action = na.omit)
```
如果基础模型能正常运行，说明原模型的交互项存在数值稳定性问题，可以对两个连续自变量做标准化后再生成交互项拟合：
```
df$rate_s_s <- as.numeric(scale(df$rate_s))
df$Depth_s <- as.numeric(scale(df$Depth))
model <- lmer(HR ~ rate_s_s * Depth_s + (1|seal_ID), data = df, na.action = na.omit)
```
检查随机效应分组合理性
运行table(df$seal_ID)查看每个海豹ID的观测数，如果存在仅1条观测的ID，或者ID总数量少于2个，随机效应结构无法正常估计，可以删除观测数过少的分组，或换用固定效应模型拟合。
转换数据格式重试
你当前使用的是tibble格式数据，极少数情况下tibble的特殊属性会导致lme4内部计算异常，可以转换为普通数据框后重试：
```
df_base <- as.data.frame(df)
model <- lmer(HR ~ rate_s*Depth + (1|seal_ID), data = df_base, na.action = na.omit)
```