我目前正在使用lme4估计一个层次线性模型(HLM).我的整个数据集有367个观测值.LME4使用341个观测值估计了我的模型--我认为其中一些由于数据缺失而被删除.然而，当我对模型变量的完整 case 求和时，我得到了337个观察结果.这使得当模型的长度与数据集不同时，很难对假设进行测试.
There is a discrepancy between complete cases and the observations 'used' by lme4.个
如上所述，我try 从我的主数据集中删除缺失的数据，假设lme4按列表删除大小写.我已经try 判断每个变量是否不匹配，以确定lme4是否只是在测试某个变量，但没有一个与lme4的S的输出估计值341匹配.
如果需要，我可以提供匿名数据集-但希望有一些我不知道的容易的东西！
最明显的原因是，lme4(内部model.frame)只根据模型中实际使用的变量来判断完整性.模型公式中没有包含的变量中有NA个值吗？
(不管它的价值是什么，如果您要用不同的预测值子集来拟合一系列模型，并希望这些模型具有可比性，那么这个默认设置也意味着过滤完整 case first的完整数据集是一个好主意.)
示例:
library(lme4)
ss <- sleepstudy
ss$Days[c(1, 4, 10)] <- NA
ss$extra <- 1
ss$extra[c(4, 20, 25)] <- NA
nrow(ss) ## 180
sum(complete.cases(ss)) ## 175; drops obs with missing `extra`
m <- lmer(Reaction ~ Days + (1|Subject), ss, na.action = na.omit)
mf <- model.frame(m)
nrow(mf) ## 177; ignores variables not in the model
删除了哪些行？有两种判断方法:
attr(mf, "na.action")
1 4 10
1 4 10
attr(,"class")
[1] "omit"
setdiff(rownames(ss), rownames(mf))
[1] "1" "4" "10"
相当于内部代码的是
nrow(model.frame(Reaction ~ Days + Subject, ss)) ## 177
(处理公式，以便将随机效应分组变量也包含在公式中，以排除不完整的情况)