R 我需要什么混合型号？

我正在尝试将混合线性模型与我的数据相匹配

我的数据将

性能

作为响应变量。解释变量为

试验

和

受试者

。我认为

trial

是一个固定的数值因子（它包含1-40之间的离散值）。主题包含两个选项，我想把它作为一个随机因素

到目前为止，我制作的模型：

model1<-glmer(performance~trial+(1|subject), data=mydata)

---

model1这可能是学校的作业，不太清楚为什么会出现混淆。当选择随机效应时，考虑“为什么你想要它是随机的”？“随机性有意义吗”？你是否有足够的水平来衡量各组之间的差异（与计算差异的想法类似，如果你只对每组进行1次观察），它们是随机的吗？因为你的问题是，它是不可复制的，我们看不出你的问题是什么，除了主体有两个层次。嗨，奥利弗，非常感谢你的回答。这个例子不是学校作业，它是我自己作品的简化版本。我的模型不起作用的问题现在已经解决了。我想知道，对于一个随机因子，我需要的最小级别是多少？它通常是松散定义的。越多，算法收敛速度就越快。Ben Bolker陈述了不同的地方（我认为这是一个例子），需要5-6个级别的随机效果。然而，随着水平数量的增加，估计值应该会变得更好，对于大多数渐近结果来说，你需要它们以一定的速度与观察值的数量（）相比增加。研究的目的是什么？在混合模型中，上下文通常是一个关键问题。再次感谢！我正在研究猿类的学习。我的数据每个主题都有很多测量点，但包含的主题很少。我会仔细阅读你建议的来源并找到解决办法。谢谢你的帮助！