Dataframe Julia中缺少值的MixedModel

当响应变量缺少

时，无法运行混合模型。
我得到
错误：KeyError:找不到密钥

以前Julia可以毫无问题地运行此程序

我使用CSV.read加载数据，但下面的示例使用了一个名为
languageR
R包中的数据集

using DataFrames, MixedModels, GLM, RDatasets, RData, RCall, Missings, CSV

#load data
lexdec = rcopy(R"languageR::lexdec")

#replace one value with missing
lexdec.rt = recode(lexdec.RT, 6.905753 => missing)

#run mixedmodel
fm = fit(MixedModel, @formula(rt ~ 1 + Class*NativeLanguage*Frequency + Trial + (1|Subject) + (1|Word)), lexdec)

ERROR: KeyError: key missing not found
#plus a long Stacktrace

如果缺少自变量（如频率），则会出现相同的错误。希望有一个解决方案可以解决这两种情况下的缺失问题。
MixedModels的开发版本可以处理缺失的值。看起来它只是删除了缺少值的行。这与
na相同。在
R
中省略

#install development version
add https://github.com/dmbates/MixedModels.jl

julia> #run mixedmodel
       fm = fit(MixedModel, @formula(rt ~ 1 + Class*NativeLanguage*Frequency + Trial + (1|Subject) + (1|Word)), lexdec)
Linear mixed model fit by maximum likelihood
 rt ~ 1 + Class + NativeLanguage + Frequency + Trial + Class & NativeLanguage + Class & Frequency + NativeLanguage & Frequency + Class & NativeLanguage & Frequency + (1 | Subject) + (1 | Word)
   logLik    -2 logLik      AIC         BIC     
   500.93350 -1001.86699  -977.86699  -912.90658

Variance components:
            Column     Variance    Std.Dev.  
Word     (Intercept)  0.0023721041 0.04870425
Subject  (Intercept)  0.0166347779 0.12897588
Residual              0.0290821397 0.17053486
 Number of obs: 1658; levels of grouping factors: 79, 21

  Fixed-effects parameters:
───────────────────────────────────────────────────────────────────────────────────────────────
                                                      Estimate   Std.Error     z value  P(>|z|)
───────────────────────────────────────────────────────────────────────────────────────────────
(Intercept)                                        6.52805      0.0594568   109.795      <1e-99
Class: plant                                      -0.0575706    0.0630526    -0.913056   0.3612
NativeLanguage: Other                              0.378076     0.0753413     5.01817    <1e-6 
Frequency                                         -0.0371412    0.00860268   -4.3174     <1e-4 
Trial                                             -0.000233949  9.0215e-5    -2.59324    0.0095
Class: plant & NativeLanguage: Other              -0.108593     0.0685904    -1.58322    0.1134
Class: plant & Frequency                           0.00893183   0.0130981     0.68192    0.4953
NativeLanguage: Other & Frequency                 -0.0398737    0.00936592   -4.25732    <1e-4 
Class: plant & NativeLanguage: Other & Frequency   0.0078122    0.014241      0.54857    0.5833
───────────────────────────────────────────────────────────────────────────────────────────────

#安装开发版本
添加https://github.com/dmbates/MixedModels.jl
julia>#运行混合模型
fm=拟合（混合模型，@公式（rt~1+类*母语*频率+试验+（1个受试者）+（1个单词）），lexdec）
线性混合模型的极大似然拟合
rt~1+Class+NativeLanguage+Frequency+Trial+Class和NativeLanguage+Class和Frequency+Class和NativeLanguage和Frequency+（1 |科目）+（1 |单词）
logLik-2 logLik AIC BIC
500.93350 -1001.86699  -977.86699  -912.90658
差异构成：
列方差标准偏差。
字（截距）0.00237210410.04870425
主题（截距）0.0166347779 0.12897588
剩余0.0290821397 0.17053486
开放式广播的数目:1658 ;；分组因素水平：79、21
固定效果参数：
───────────────────────────────────────────────────────────────────────────────────────────────
估计标准误差z值P（>z）
───────────────────────────────────────────────────────────────────────────────────────────────
（截距）6.52805 0.0594568 109.795，您可能会考虑打开命令不安装开发版本的MixEdMod问题，但是当前的发布版本，为什么我得到<代码>混合模型V2.1.2？https://github.com/dmbates/MixedModels.jl)
包装状态？这不是发布软件包显示的install with
add[pkg name]
。哦，你说得对，这确实安装了最新版本，抱歉！我已经习惯了更标准的语法
]addmixedmodels#master