嗨，我完全懂你遇到的困扰——你想要拟合的约束基线模型，核心是要强制基线时期（period=0）两组的均值完全相等，但当前模型因为自动生成了所有时间点与处理组的交互项，导致基线的组间差异还是被保留了。下面给你两种实用的解决办法：

方法一：直接调整模型公式，移除基线交互项 #

我们可以在模型公式里明确剔除period0:arm这个交互项，让R只拟合period1和period2与arm的交互关系。代码如下：

model2 <- lmer(Y ~ period + period:arm - period0:arm + (1 | id), data = data)

你可以检查模型矩阵的列名，确认period0:arm1已经被移除：

colnames(model.matrix(model2))
# 预期输出："(Intercept)" "period1" "period2" "period1:arm1" "period2:arm1"

方法二：手动构造交互变量（更直观） #

如果觉得上面的公式有点抽象，你可以手动为period1和period2分别构造与arm的交互变量，模型结构会更清晰：

# 先构造目标交互变量
data <- data %>%
  mutate(
    arm_x_period1 = as.integer(period == "1" & arm == "1"),
    arm_x_period2 = as.integer(period == "2" & arm == "1")
  )

# 拟合约束基线模型
model3 <- lmer(Y ~ period + arm_x_period1 + arm_x_period2 + (1 | id), data = data)

这种方式下，模型截距就是基线时期两组的共同均值，period1和period2代表单纯的时间效应，arm_x_period1和arm_x_period2则分别对应两个随访时间点的处理效应，完美契合约束基线模型的核心假设。

验证模型效果 #

现在用emmeans检查基线时期的均值：

emmeans(model2, ~ arm | period)

你会发现period=0时，两组的emmean完全一致（或因数值计算存在极微小的可忽略差异），这就说明模型已经实现了基线约束的目标。

补充解释 #

为什么最初的模型会包含period0:arm1？因为当period是因子类型时，period:arm会自动生成所有时间点与处理组的交互组合，包括基线。而约束基线模型的核心逻辑就是：随机化后基线组间本就均衡，不需要估计基线的组间差异，所以必须移除这个多余的交互项。

备注：内容来源于stack exchange，提问作者jackahall