r - 线性混合建模能否处理响应变量和/或预测变量中的 NA（缺失数据）？

Question

在进行线性混合建模时，我正在使用 R 中的lme4包和lmer函数。在响应和协变量（预测器）级别都有 NA 是否可以？我知道线性混合建模排除了 NA 并使用最大似然估计，但我不确定 NA 是否可以同时存在于响应变量和预测变量中？如果我不排除 NA，我的建模运行良好，但我注意到响应组不均匀（对于不同的时间点）？这有关系吗。

例如在基线（n = 1,980）在 1 个月的时间点（n = 1,841）等......

我的数据背景包括在 4 个不同时间点收集的患者数据（这是响应变量）。模型中包含患者特征（协变量/预测变量）列表。这些包括 BMI、年龄、糖尿病的存在、血压、辐射剂量等......在随访期间未收集一些患者数据，因此数据框中缺少数据 (1666)。

标签： rstatisticslme4mixed-models

Answer 1

lme4和 R 中可用的大多数统计模型都使用完整的案例分析，即它们会自动NA删除响应值或任何预测变量中的值的观察值。

处理丢失的数据是一个复杂的主题。如果丢失的数据影响了您分析数据的能力，最典型的方法是进行多重插补（例如使用mice包）。不过，这需要一些努力。我会推荐 Frank Harrell 的Regression Modeling Strategies，以实际介绍在生物统计学背景下处理缺失数据。

一般来说，不均匀抽样/缺乏平衡不应该对混合模型的分析造成问题，除非数据非常不平衡以至于完全丢失了类别。

在评论中，你说你已经

阅读大量资料表明线性混合模型可以处理 NA

这是真的，但需要一些解释。在典型的多元方差分析环境中，数据以宽格式设置，即每组一行。例如：

id  t1  t2  t3  t4  t5
A   1.0 2.0 3.0 2.1 7.2
B   1.1 1.9 2.4 2.3 1.4
...

在这种格式中，丢失或不平衡的数据将显示为NA; A如果我们当时没有对 group 的观察t5，那一行数据将是1.0 2.0 3.0 2.1 NA。但是，在混合模型世界中，我们通常以长格式表示数据：

id time value
A  t1   1.0
A  t2   2.0
A  t3   3.0
A  t4   2.1
...

所以在这种情况下，我们甚至不会首先包含缺失的观察结果。在 MANOVA 世界中，我们必须决定如何处理缺少任何观察结果的组；在混合模型世界中，这对应于丢弃单个组/时间观察，对应于我在开头描述的完整案例分析。