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(arg 1(中
我这样运行模型：
model1 <- lme4::lmer(agg_dv_singing ~ GMS.Musical.Training +
JAJ.ability + MDT.ability + MPT.ability + PDCT.ability +
PIAT.ability + agg_dv_long_note + demographics.age +
aggiv_entropy + aggiv_interval_complexity +
aggiv_rhythmic_complexity + aggiv_tonal_complexity +
log.freq + length + (1|p_id),
data = dat, na.action = na.pass)
summary(dat)表示没有Inf或NaN值，虽然是的，但有许多NA值。
在同一数据集的lmer之外运行na.pass不会产生错误：
na.pass(dat)
那么lmer内部可能出了什么问题呢？
对您之前的一个问题的评论试图解释，通常，混合模型机器无法处理预测因子中缺少值的情况下的估计；它就是不起作用。如果你想拟合具有缺失数据的混合模型，你需要进行某种形式的插补，即填写缺失预测因子的值(例如，参见mice软件包，至少就R生态系统而言，它或多或少是最先进的(。以下是四种不同的标准na.*操作在混合模型环境中的作用：
na.fail()：如果数据中缺少值(预测因子或响应(，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()：在拟合之前从数据中删除不完整的事例na.exclude()：与na.omit()类似，但要跟踪排除病例的位置。当使用predict()或residuals()(或每次观测产生结果的任何函数(时，使用原始数据集中非完整情况的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：不删除NA值，但尝试继续拟合过程。正如你所发现的，这通常根本不起作用！它只会通过代码传递NA值，直到出现问题。此时通常会发生以下两种情况之一：
- 如果整个估计过程是使用可以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(因为缺失值会污染整个拟合过程( - 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点开始，就会出现难以理解的错误
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，保持不变。老实说，我真的不确定na.pass为什么存在，除了完整性。。。(或与S兼容(
您的NA值不在随机效应项中使用的参数中：如果有，您会得到一条更易于解释的错误消息：
library(lme4)
ss <- sleepstudy
ss[1,"Days"] <- NA
lmer(Reaction ~ Days + (Days|Subject), ss, na.action=na.pass)
lme4中的错误：：lFormula(formula=反应~天数+(天数|受试者(，：Z中的NA(随机效应模型矩阵(：请使用"；na.action=‘na.egnore’"或"；na.action=‘na.exclude’">
如果我用(1|Subject)拟合模型，那么NA值只影响固定效果
lmer(Reaction ~ Days + (1|Subject), ss, na.action=na.pass)
然后我们会收到您的错误消息。
qr.default中的错误(X，tol=tol，LAPACK=FALSE(：外部函数调用(arg 1(中的NA/NaN/Inf
traceback()告诉我，这种情况发生在内部chkRank.drop.cols()函数中，其中R试图确定是否有任何固定效果列是共线的。可能应该检查一下缺失的值。。。