如何修复R lmer线性混合模型“variable lengths differ (found for 'Phase_2')”报错

• 公式调用了不存在的变量：你构建的df23仅包含username/Phase_2/agegroup/mean_score四列，但lmer公式里的因变量写的是原数据集的compound，R找不到该变量时会从全局环境搜索，刚好你的环境里存在多个来自不同数据集的Phase_2变量（find("Phase_2")输出可验证），不同数据集的变量长度不一致，直接触发报错。
• 数据集生成逻辑错误：你用complete(username, Phase_2)补全用户-阶段组合时，没有将用户固定属性agegroup绑定到用户维度，导致补全出来的行的agegroup字段全部为NA，无法作为固定效应纳入模型。

1. 修正数据集生成逻辑，绑定用户与年龄组属性，避免补全行的agegroup缺失：

df23 <- data_d %>%
  group_by(username, agegroup, Phase_2) %>%
  # 若你自定义了mean_函数可保留，否则替换为基础函数mean
  summarise(mean_score = mean(compound), .groups = 'drop') %>%
  # nesting指定username和agegroup为绑定的固定组合，补全时不会丢失agegroup
  complete(nesting(username, agegroup), Phase_2)

2. 修正lmer公式的因变量，同时显式指定缺失值处理规则，避免全局变量冲突：

# 先验证所有模型变量长度一致，输出TRUE即可继续
all.equal(
  length(df23$mean_score),
  length(df23$Phase_2),
  length(df23$agegroup)
)

mixed.lmer <- lmer(mean_score ~ Phase_2 + agegroup + (1|username), 
                   data = df23, 
                   na.action = na.omit)
summary(mixed.lmer)

3. （可选）清理工作环境中冗余的重名变量，避免后续调用冲突：

# 删掉不用的重名变量所在的数据集，比如find输出里提到的data对象
rm(data)

内容的提问来源于stack exchange，提问作者Zhen