使用lme4的lmer做线性混合模型能否处理响应和预测变量的NA缺失值？

1. 响应变量与协变量同时存在NA的处理规则 #

lmer默认采用*行删除法（完整案例分析）*处理所有缺失值：只要某一行观测的响应变量、纳入模型的固定效应变量、随机效应变量中任意一个存在NA，整行观测都会被自动剔除后再开展最大似然估计拟合。因此响应变量和协变量同时存在NA属于软件支持的场景，不需要提前手动剔除缺失行也可以正常运行模型。

注意：该默认处理无偏的前提是你的数据属于完全随机缺失（MCAR），如果存在非随机缺失（比如病情更重的患者更易失访、相关指标未采集），行删除会导致估计结果出现偏倚。

2. 不同随访时间点样本量不均衡的影响 #

纵向临床随访数据出现时间点样本量逐次下降是非常普遍的情况，基于最大似然估计的线性混合模型本身就适配不均衡的纵向数据结构，只要缺失机制符合MCAR或随机缺失（MAR），样本量不均衡不会对结果的可靠性带来额外负面影响。
你可以通过以下操作辅助验证结果合理性：

• 运行summary(你的模型对象名)查看最终纳入拟合的有效观测总数，和你手动对所有纳入模型的变量做行删除后的样本量做核对，确认缺失值处理逻辑符合预期
• 若缺失占比较高或怀疑存在非随机缺失，建议补充敏感性分析：比如对比剔除缺失率较高亚组后的拟合结果、或采用多重插补补全缺失值后再拟合模型，交叉验证结果的稳定性

内容的提问来源于stack exchange，提问作者HKJ3