混合效应模型：lmer 函数真的可以进行列表删除吗？

Question

我读到lme4的默认设置是列表删除。我的数据采用长格式（两个时间点的重复测量），并且它似乎并没有真正按列表删除（据我所知，这意味着在 T0 或 T3 因变量缺失值的受试者不是分析中已考虑）。当我查看输出中的“观察数量”时，我得到了这样的印象。这个数字与我的数据点的数量完全一致，但前提是我考虑到只有 T0 或 T3 数据的受试者的观察结果。有什么帮助吗？

这是函数：

model <- lmer(Dependent_variable ~ Group*Timepoint + Age +
       Centre + (1|Subject), data = Data_longformat)

打印模型时的结果：

Linear mixed model fit by REML. t-tests use Satterthwaite's method ['lmerModLmerTest']
Formula: BE_S ~ Gruppe * Zeitpunkt + Alter + Zentrum + (1 | Patient)
   Data: BES_alle_long_change

REML criterion at convergence: 622.7

Scaled residuals: 
     Min       1Q   Median       3Q      Max 
-1.82915 -0.57270  0.05619  0.59276  2.02843 

Random effects:
 Groups   Name        Variance Std.Dev.
 Patient  (Intercept) 0.4582   0.6769  
 Residual             0.6039   0.7771  
Number of obs: 216, groups:  Patient, 131

计算 T0 数据的受试者/患者：

> result <- BES_alle_long_change %>%
+   filter(Zeitpunkt == "T0" & !is.na(BE_S)) %>%
+   summarize(count = n_distinct(Patient))
> print(result)
# A tibble: 1 × 1
  count
  <int>
1   119

计算 T3 数据的受试者/患者：

result <- BES_alle_long_change %>%
+   filter(Zeitpunkt == "T3" & !is.na(BE_S)) %>%
+   summarize(count = n_distinct(Patient))
> 
> print(result)
# A tibble: 1 × 1
  count
  <int>
1    97

总共有 140 名患者，其中 9 名在两个时间点（T0 和 T3）都有缺失

Answer 1

tl;dr

lmer

丢弃信息不完整的观察，而不是受试者。您在哪里读到

lme4

可以进行列表删除？不在其文档中...

主要问题是“列表删除”或“完整案例分析”含糊不清。当人们在非层次模型的情况下使用它时（例如维基百科的定义），他们意味着该方法会丢弃不完整的观察，与“成对删除”形成对比，即我们是否可以使用在混合/多级/分层模型中，缺少预测变量子集的观察结果，“列表删除”似乎（据我所知）是指删除受试者。

正如您所发现的，

lmer

使用具有完整数据（响应和所有预测变量）的所有观察。

• 280 种可能的患者/时间点组合 (140 x 2)
• 64 个缺失的患者/时间点组合，因此

  lmer

  报告 280-64 = 216 个观察值
• 140名患者
• 9 名患者没有观察结果（两个时间点均缺失），因此

  lmer

  报告 140-9 = 131 名患者。