lmer语法问题

我正在尝试进行一些混合/固定效果建模，并且遇到了

lme4

包，其中包括

lmer

功能。但老实说，我真的对语法感到困惑，我也试着查看了文档，但我不确定自己是否完全理解，而且我看到的那些似乎有点不同

例如，我有这样的东西：

T <- lmer(Y ~ Treatment + 0 + (1|Block) + (1|Subblock), data = D, REML = FALSE)
T1 <- lmer(Y ~ 1 + (1|Block) + (1|Subblock), data = D, REML = FALSE)

T
（顺便说一下，我不建议在R中使用
t
作为变量名…）


0+治疗
表示治疗的固定效果，在“虚拟”或“治疗”编码（默认值）中，截距被抑制（这就是
0
在此表示的）；换言之，每个治疗水平都有一个固定效应参数，等于该治疗中观察的预期值
（1 |块）+（1 |子块）
表示块之间和子块之间模型截距的随机变化（这就是
1
的意思）：它假设子块是唯一编码的（例如A1、A2、…、B1、B2、…，而不是1、2、…、1、2、…）

同上，但现在没有固定的治疗效果-只有一个实验范围的截距值

您可以比较这两个模型（例如，使用
anova（）
进行似然比测试或
AIC（）
）测试
治疗的统计显著性

有关
lme4
语法的更多详细信息，请参阅或

PS将随机效果规范中的
1
更改为
0
，这会很奇怪；如果它真的起作用（我不确定它会起作用），原则上相当于抑制这种随机效应（“不同群体之间的差异是什么？什么都没有”）——这将更容易做到，只需将其完全排除在公式之外……
也许你可以说得更多（在评论或你的问题中）关于您有哪些文档来源似乎彼此不同/不一致？这个问题与编程语法有关。它在堆栈溢出主题上，但在交叉验证主题下，因此不应迁移。
Y ~ Treatment + 0 + (1|Block) + (1|Subblock)

Y ~ 1 + (1|Block) + (1|Subblock)