MATLAB中fitrm遇NaN值致ranova报错问题咨询

我之前也踩过这个坑！当用fitrm构建重复测量模型，再传入ranova做分析时，NaN值确实会触发报错——毕竟重复测量模型对数据完整性有要求。下面是几个实用的解决方案，按场景推荐：

1. 删除含NaN的观测（快速简单，适合NaN极少的情况） #

如果你的NaN值占比很低，且分布随机，直接删除包含NaN的行是最省心的办法。MATLAB自带的rmmissing函数可以一键处理：

% 假设你的数据存储在名为data_table的表格中
clean_data = rmmissing(data_table);
% 用清理后的表格建模
rm_model = fitrm(clean_data, 'Y1-Y3 ~ Group', 'WithinDesign', [1 2 3]);
% 再做ranova分析
ranova(rm_model)

⚠️ 注意：这种方法会丢失整个样本的信息，如果某个被试只是个别时间点缺失，删除会浪费数据，这时候优先考虑插补。

2. 插补NaN值（保留样本，适合缺失占比中等的情况） #

如果不想丢失样本，可以用fillmissing函数对NaN值进行插补，根据数据类型选择合适的方法：

• 数值型变量：用均值/中位数插补（适合正态分布数据）

  % 用列均值插补所有数值型变量的NaN
  filled_data = fillmissing(data_table, 'constant', mean(data_table, 'omitNaN'));
  

• 时间序列类重复测量：用线性插值（适合随时间变化的连续数据）

  filled_data = fillmissing(data_table, 'linear');
  

• 分类变量：用众数插补

  % 先获取分类变量的众数
  mode_val = mode(data_table.CategoryVar, 'omitNaN');
  filled_data = fillmissing(data_table, 'constant', mode_val, 'Variables', 'CategoryVar');
  

3. 利用fitrm的缺失值处理参数（针对部分缺失的重复测量） #

如果你的缺失是重复测量维度内的部分缺失（比如某个被试的第2次测量值缺失，但其他次都有），可以在fitrm中设置'MissingData'参数为'partial'，让模型只使用该被试有数据的测量点进行计算：

rm_model = fitrm(data_table, 'Y1-Y3 ~ Group', 'WithinDesign', [1 2 3], 'MissingData', 'partial');
ranova(rm_model)

⚠️ 注意：这个参数要求缺失是随机的（MAR），如果缺失和变量值本身相关，结果可能有偏差。

额外建议 #

• 先检查NaN的分布：用summary(data_table)或者find(isnan(data_table{:,:}))查看哪些变量、多少样本有缺失，再选择处理方式。
• 如果缺失占比很高（比如超过20%），建议先分析缺失原因，再考虑是否适合做重复测量分析，或者尝试多重插补（可以用MATLAB的missingdata工具箱实现）。

内容的提问来源于stack exchange，提问作者Juliette