R语言无显式NA却触发lmer缺失值报错、不完整案例异常排查

你遇到的“看不到显式NA但complete.cases筛除5行、na.fail报错”的情况，本质是两类常见的认知偏差，绝大多数场景都逃不出下面的原因：

最高发根因：隐式不完整值（is.na()检查不出来，但complete.cases会直接筛除） #

要明确两个函数的核心判定规则差异：
is.na() 只会对NA、NaN值返回TRUE，对Inf、-Inf值返回FALSE
但complete.cases() 和na.fail 的默认判定逻辑，会把行中包含NA、NaN、Inf、-Inf的行全部判定为不完整，不管你有没有显式存储NA

对应的常见触发场景：

• 数据预处理阶段计算衍生变量时产生的无限值：比如计算珊瑚幼体密度（计数/样方面积）时，碰到样方面积为0的记录，会直接生成Inf值，这类值在View数据界面看起来是普通数字，不会被你当成缺失值排查到
• 读入数据时未指定缺失值占位符：原始调查数据中常用的-999、"NA"字符串、"Missing"、空字符串""，被直接读入成普通文本，后续做变量类型转换（比如字符转数值、字符转因子）时，R会自动把这类非合法值强制转换为NA，这个转换过程生成的NA，是你排查原始列时看不到的
• 因子变量的空水平：比如把站点、遮蔽条件这类分类变量存为因子时，空单元格被当成独立的水平""，在模型拟合时会因为无协变量匹配被判定为缺失

次高频根因：模型临时构造的变量缺失，而非传入data的原始列缺失 #

很多人排查的时候只检查传入lmer()的data参数里的原始列，但没有注意到公式里临时生成的变量也会触发缺失判定：

• 公式中写了变换运算，比如log(幼体计数)，碰到计数为0的记录会直接生成-Inf，这类临时生成的Inf不会出现在你的原始数据列里，自然排查不到
• 公式中引用了全局环境里的同名变量，而非data参数里的列，版本不一致时会引入不在数据框里的缺失值

可直接复用的排查步骤 #

按顺序跑下面的代码，5分钟就能定位到问题：

1. 直接定位被筛除的行号：
   problem_rows <- which(!complete.cases(your_dataset))
   把这几行单独拎出来逐列检查，不要只统计数量不核对内容
2. 逐列统计所有会触发不完整判定的值（包含Inf）：
   sapply(your_dataset, function(col) sum(is.na(col)) + sum(is.infinite(col)))
   这个代码会同时统计NA、NaN、Inf的数量，比单纯的is.na()检查覆盖率高很多
3. 逐列检查字符串类的伪缺失：
   sapply(your_dataset, function(col) sum(col %in% c("", "NA", "N/A", "missing", "-999"), na.rm = T))

贴合需求的解决逻辑（保留na.action = "na.fail"、支持dredge运行、覆盖全144行） #

你要求的“保留na.action = "na.fail" + 运行MuMin::dredge() + 用满144行样本”完全可以实现，核心思路是在跑模型之前把所有会触发不完整判定的值处理掉，而不是修改na.action参数：

• 如果排查发现是Inf/-Inf值：对着原始调查记录补算衍生变量（比如修正样方面积、调整密度计算逻辑），把Inf替换成符合数据逻辑的真实值，不要让Inf留在数据里
• 如果排查发现是字符串占位缺失：对着原始调查记录补全对应的分类变量值（站点、遮蔽条件），避免后续类型转换时生成NA
• 如果排查发现是公式临时生成的Inf/缺失：把所有变量变换挪到数据预处理阶段，提前在数据框里构造好变换后的列（比如做log(幼体数 + 1)的变换），不要把运算写在模型公式里

注意：千万不要为了躲报错把na.action改成na.omit，否则dredge在跑不同候选模型时，会自动根据每个模型用到的变量删掉不同的缺失行，导致所有模型的实际样本量不一致，AIC对比完全失效。这也是为什么必须保留na.fail设置——它会强制你先把所有缺失问题处理完，保证所有模型都用完全一样的144行样本，dredge的结果才是可靠的。

内容的提问来源于stack exchange，提问作者Eric Dilley