如何在R语言中运行GLMM（广义线性混合模型）？

1. 安装并加载所需依赖包 #

做GLMM最常用的工具包为lme4，搭配lmerTest可输出固定效应的显著性p值，naniar用于缺失值探查：

# 首次使用先安装包
install.packages(c("lme4", "lmerTest", "naniar"))
# 加载包
library(lme4)
library(lmerTest)
library(naniar)

2. 数据导入与缺失值处理 #

2.1 导入数据 #

根据你的数据格式选择导入函数，csv格式示例：

mydata <- read.csv("你的数据文件路径.csv", stringsAsFactors = F)

2.2 探查缺失值 #

查看所有变量的缺失占比，确认缺失情况：

miss_var_summary(mydata)

• 若单个变量缺失占比超过30%，建议先确认该变量是否必要，或补充数据后再建模
• 若仅少量样本存在缺失值，可直接删除含缺失的行：

mydata_clean <- na.omit(mydata)

3. 模型拟合 #

先明确你的变量对应关系，替换代码中的占位符：
响应变量：你要分析的结果变量名
固定因子1、固定因子2：你的两个固定因子变量名
随机因子1、随机因子2：你的两个随机分组变量名（如被试ID、采样站点等）

3.1 连续型正态分布响应变量 #

使用lmer函数拟合：

glmm_model <- lmer(响应变量 ~ 固定因子1 + 固定因子2 + (1|随机因子1) + (1|随机因子2), data = mydata_clean)

3.2 非正态分布响应变量 #

使用glmer函数，需根据响应变量类型指定分布族：

• 二分类变量（0/1取值）：family = binomial(link = "logit")
• 计数变量：family = poisson(link = "log")
  示例代码（二分类响应变量）：

glmm_model <- glmer(响应变量 ~ 固定因子1 + 固定因子2 + (1|随机因子1) + (1|随机因子2), 
                    data = mydata_clean,
                    family = binomial(link = "logit"))

常见报错处理 #

若出现收敛警告，先检查随机因子的水平数：随机因子的独立水平数建议≥5，若水平数过少可将其调整为固定因子后重新拟合。

4. 结果查看 #

运行以下代码输出模型结果：

summary(glmm_model)

结果说明：

• Fixed effects部分：输出两个固定因子的效应值、标准误、自由度、p值，为核心分析结果
• Random effects部分：输出两个随机因子的方差、标准差，反映随机分组对响应变量的解释程度

5. 新手注意事项 #

• 分类固定因子需先转为因子类型：mydata_clean$固定因子1 <- as.factor(mydata_clean$固定因子1)
• 若删除缺失值后样本量不足原样本的70%，不建议直接用行删除法处理缺失值，可选择多重插补方法补全数据后再建模
• 模型调试时可先简化结构，比如先仅保留一个随机因子拟合，确认代码无问题后再逐步增加变量

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