无法从函数中运行lmer

我在尝试将

lmer

嵌入函数时遇到问题。下面是一个使用

lexdec

数据的可复制示例。如果我直接在数据帧上运行

lmer

，则没有问题。例如，假设我想看看词汇判断任务中的阅读时间是否因试验而不同。有两种类型的词刺激，“动物”（如“狗”）和“植物”（如“樱桃”）。我可以为动物词语计算一个混合效应模型：

library(languageR)       #load lexdec data
library(lme4)            #load lmer()
s <- summary(lmer(RT ~ Trial + (1|Subject) + (1|Word), data = lexdec[lexdec$Class== "animal", ]))
s                        #this works well

library（languageR）#加载lexdec数据
图书馆（lme4）#加载lmer（）
我不知道问题是什么，你的代码对我来说运行得很好。（您的软件包是最新的吗？您运行的是什么R版本？您是否清理了工作区并从头开始尝试代码？）

这就是说，这是
plyr:：dlply
的一个很好的用例。我会这样做：

library(languageR) 
library(lme4)
library(plyr)

stats <- dlply(lexdec,
      .variables = c("Class"),
      .fun=function(x) return(summary(lmer(RT ~ Trial + (1 | Subject) +
                                                (1 | Word), data = x))))

names(stats) <- levels(lexdec$Class)

当我运行您的代码（复制和粘贴而不进行修改）时，我会得到类似的输出。除了
数据：
行之外，它是相同的

stats = list()  

compute.lmer <- function(df,class) {
    m <- lmer(RT ~ Trial + (1|Subject) + (1|Word),data = df[df$Class== class, ])
    m <- summary(m)
    return(m)
}

for (c in levels(lexdec$Class)){
    s <- compute.lmer(lexdec,c)
    stats[[c]] <- s
}

> stats[["plant"]]
Linear mixed model fit by REML ['lmerMod']
Formula: RT ~ Trial + (1 | Subject) + (1 | Word)
   Data: df[df$Class == class, ]

REML criterion at convergence: -389.5

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-2.2647 -0.6082 -0.1155  0.4502  6.0593 

Random effects:
 Groups   Name        Variance Std.Dev.
 Word     (Intercept) 0.003718 0.06097 
 Subject  (Intercept) 0.023293 0.15262 
 Residual             0.028697 0.16940 
Number of obs: 735, groups: Word, 35; Subject, 21

Fixed effects:
              Estimate Std. Error t value
(Intercept)  6.3999245  0.0382700  167.23
Trial       -0.0001702  0.0001357   -1.25

Correlation of Fixed Effects:
      (Intr)
Trial -0.379

stats=list（）
很好。不知道dlply
同意，为我工作。这并不奇怪，我可能已经失败了与旧/旧版本；让lmer在正确的环境中查找数据，不管它最初是从哪个环境调用的，这比你想象的要复杂…@shujaa:谢谢！你是对的：当我更新
lme4
时，问题就消失了。我一直在避免更新它，因为我读到lme4 1.0有时会产生比前一版本更糟糕的拟合模型。
dlply
方式也不错@rawr这是关于
plyr
，
（a，d，m，l，r）（a，d，l，u）ply
，
（输入）（输出）ply
的伟大之处。这是一个合理的问题，但我认为标题有点误导——我认为，它并没有将结果保存到一个列表中，这会给您带来麻烦，它在一个函数中运行lmer，数据被传递到该函数中…谢谢Ben。我试着重新措辞这个问题，使它更准确
> stats[["plant"]]
Linear mixed model fit by REML ['lmerMod']
Formula: RT ~ Trial + (1 | Subject) + (1 | Word)
   Data: x

REML criterion at convergence: -389.5

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-2.2647 -0.6082 -0.1155  0.4502  6.0593 

Random effects:
 Groups   Name        Variance Std.Dev.
 Word     (Intercept) 0.003718 0.06097 
 Subject  (Intercept) 0.023293 0.15262 
 Residual             0.028697 0.16940 
Number of obs: 735, groups: Word, 35; Subject, 21

Fixed effects:
              Estimate Std. Error t value
(Intercept)  6.3999245  0.0382700  167.23
Trial       -0.0001702  0.0001357   -1.25

Correlation of Fixed Effects:
      (Intr)
Trial -0.379

stats = list()  

compute.lmer <- function(df,class) {
    m <- lmer(RT ~ Trial + (1|Subject) + (1|Word),data = df[df$Class== class, ])
    m <- summary(m)
    return(m)
}

for (c in levels(lexdec$Class)){
    s <- compute.lmer(lexdec,c)
    stats[[c]] <- s
}

> stats[["plant"]]
Linear mixed model fit by REML ['lmerMod']
Formula: RT ~ Trial + (1 | Subject) + (1 | Word)
   Data: df[df$Class == class, ]

REML criterion at convergence: -389.5

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-2.2647 -0.6082 -0.1155  0.4502  6.0593 

Random effects:
 Groups   Name        Variance Std.Dev.
 Word     (Intercept) 0.003718 0.06097 
 Subject  (Intercept) 0.023293 0.15262 
 Residual             0.028697 0.16940 
Number of obs: 735, groups: Word, 35; Subject, 21

Fixed effects:
              Estimate Std. Error t value
(Intercept)  6.3999245  0.0382700  167.23
Trial       -0.0001702  0.0001357   -1.25

Correlation of Fixed Effects:
      (Intr)
Trial -0.379