如何在R中使用lme4包解决随机效应和剩余方差误差？

我试图使用lme4软件包分析199名参与者的一些模拟数据（长数据格式）。在该数据集中，归属感、真实性和包容性被测量两次，并通过运动条件（=0,1,2）、时间（=0,1）和人群（=0,1）进行预测。为此，我在数据中安装了以下三个模型：

ModelH2 = lmer(Belongingness ~ 1 + Exercise*Time + (1 + Time|id), REML=F, data=inclusion_data)

ModelH3 = lmer(Authenticity ~ 1 + Exercise*Time + (1 + Time|id), REML=F, data=inclusion_data)

ModelH4_H5 = lmer(Inclusion~ 1 + Exercise*Time + Population*Time + (1 + Time|id ), REML=F, data=inclusion_data)

然而，当我尝试拟合这三个模型时，我得到了以下错误

Error:number of observations（=398）在问题的评论部分向我解释了这个错误（使我无法拟合模型）

他解释说，错误在于随机效应（id）的值与我在数据中的行数相同，并且我没有足够的数据点来估计随机效应

当我制作一个每个参与者有三个数据点的模拟数据集时，我可以拟合模型，但收到了关于优化器收敛性的错误。有关优化器的更多信息，请参阅中有关参数的手册。
错误是，随机效应（id）的值数与数据中的行数相同，是否在整个数据集中只有唯一的id值？@user2974951我认为是这样。在（参与者）id行中，数字范围从1到199，但在数据的长格式中，每个参与者有两行（对于两个测量时刻，时间=1和时间=2）。所以它就像12等。你真的没有足够的数据来估计随机效应，试试
（1 | id）
，也许这会奏效。@user2974951有效，但不是我假设的模型。估计随机效应需要多少数据？这难道不可能用任何样本大小进行估计吗？估计随机效应确实取决于数据的大小（每组数据点的数量）。我认为你至少需要3个点来估计坡度。但即使这样，数据点也会非常少，因此变化很大。结论->如果你想估计你的模型，你需要更多的数据。