r - 更改随机效应分组变量的标签会更改 lme4 中的结果

Question

标题说明了一切:更改随机效应分组变量的(假设是任意的)标签(例如，重复测量实验中的对象名称)可以更改 lme4 中的结果输出。最小的例子:

require(dplyr)
require(lme4)
require(digest)
df = faithful %>% mutate(subject = rep(as.character(1:8), each = 34),
                         subject2 = rep(as.character(9:16), each = 34))
summary(lmer(eruptions ~ waiting + (waiting | subject), data = df))$coefficients[2,1] # = 0.07564181
summary(lmer(eruptions ~ waiting + (waiting | subject2), data = df))$coefficients[2,1] # = 0.07567655

我认为这是因为 lme4 将它们转换为一个因子，并且不同的名称会产生不同的因子级别排序。例如。这会产生问题:

df2 = faithful %>% mutate(subject = factor(rep(as.character(1:8), each = 34)),
                          subject2 = factor(rep(as.character(9:16), each = 34)))
summary(lmer(eruptions ~ waiting + (waiting | subject), data = df2))$coefficients[2,1] # = 0.07564181
summary(lmer(eruptions ~ waiting + (waiting | subject2), data = df2))$coefficients[2,1] # = 0.07567655

但这不会:

df3 = faithful %>% mutate(subject = factor(rep(as.character(1:8), each = 34)),
                          subject2 = factor(rep(as.character(1:8), each = 34),
                                            levels = as.character(1:8),
                                            labels = as.character(9:16)))
summary(lmer(eruptions ~ waiting + (waiting | subject), data = df3))$coefficients[2,1] # = 0.07564181
summary(lmer(eruptions ~ waiting + (waiting | subject2), data = df3))$coefficients[2,1] # = 0.07564181

这似乎是 lme4 中的一个问题。不同的任意变量标签不应该产生不同的输出，对吗？我错过了什么吗？为什么 lme4 这样做？
(我知道输出的差异很小，但在其他情况下我得到了更大的差异，足以例如将 ap 值从 .055 更改为 .045。此外，如果这是正确的，我认为它可能会导致轻微的可重复性问题 - - 例如，如果在完成分析后，实验者将他们的人类受试者数据匿名化(通过更改名称)，然后将其发布到公共(public)存储库中。)

Answer 1

当我拟合这个模型时，我会在拟合时收到一个单一的拟合警告。这不是一个好兆头，因为仅由随机截距解释的方差实际上为 0，而且您还有一个随机斜率。这里的随机效应可能对模型没有任何意义。
其次，我质疑这是否适合这种情况，以下是主动提供的建议，如果您认为不合适，我深表歉意。其次，我会对此发表评论，但不确定如何添加图像。
首先，我做了一些探索性绘图，发现因变量和固定效应都具有双峰分布。如果我们绘制如下散点图，我们肯定可以看到它可能不是线性趋势。

然后当我们查看模型残差时，我们会看到异方差性，这是次优的。我不是统计学家，但我有一些顾问告诉我，这是线性模型中最糟糕的假设之一。

我认为您可能会看到由于奇异拟合而导致的估计不稳定，但希望其他人可以出现，他们知道更多可以解决这个问题。