lmer因不合格而失败

当我使用

na.pass

作为

na.action

运行带有

lme4

的

lmer

模型时，我得到以下错误：

R:NA/NaN/Inf在外部函数调用中（arg 1）

我这样运行模型：

model1对a的评论试图解释，一般来说，当预测值缺失时，混合模型机器无法处理估计；它就是不能那样工作。如果您想用缺失数据拟合混合模型，则需要进行某种形式的插补，即填写缺失预测值（例如，请参阅
mice
软件包，至少就R生态系统而言，该软件包或多或少是最先进的）。以下是四种不同的标准
na.*
操作在混合模型中的作用：


na.fail（）
：如果数据（预测值或响应）中缺少值，则立即失败。这很令人沮丧，但会立即提醒您丢失数据，并让您决定如何处理
na.omit（）
：安装前从数据中删除不完整的箱子
na.exclude（）
：类似于
na.omit（）
，但要跟踪排除案例的位置。当使用
predict（）
或
residuals（）
（或每次观察产生结果的任何函数）时，使用原始数据集中非完整案例的
NA
值重建完整数据集。（我通常认为此设置是最有用的默认设置。）
na.pass
：不要删除na值，但尝试继续安装过程。正如你发现的，这通常根本不起作用！它将通过代码向下传递NA值，直到出现问题。通常，此时会发生以下两种情况之一：


如果整个估计过程是使用能够处理和传播缺失值的R函数编写的，那么对于所有系数、可能性等，通常会得到一个具有
NA
/
NaN
的拟合模型对象（因为缺失值污染了整个拟合过程）
如果估计过程的某个步骤无法处理
NA
/
NaN
值（如本例所示），则从过程中失败的第一个点会得到一个无法预测的错误
如果您查看
na.pass（）
的源代码（通过在R提示符下键入
na.pass
），您会发现实际上它所做的只是返回相同的对象，没有改变。老实说，除了完整性之外，我真的不确定为什么会存在
na.pass
。。。（或）


您的
NA
值不在随机效应术语中使用的参数中：如果有，您将得到一条更可解释的错误消息：

库（lme4）
这是我见过/收到的一个问题的最好答案之一。谢谢你，本。
na.pass(dat)