lmer中具有随机和嵌套效应的混合效应模型

我想在R中使用lmer运行一个带有嵌套和随机效果的线性混合效果模型，但仍然会出现错误。两个问题：是什么导致了错误，以及如何修复模型以运行适当的分析？非常感谢

实验设计：四个地点-每个地点有2种植物，每种植物有3份材料（共6份材料）。入世本质上是一个植物种群，它们是特定植物物种所特有的。在每个地点，有两种处理方式：植物施用富氮肥料和植物施用无氮肥料。所有物种和所有材料都存在于每个地点。我收集了有关植物生长和根系特征的数据，并根据需要记录转换变量。我还将入组（代码1-6）、部位（代码1-4）和SoilN治疗（代码1和2）作为因素。所有响应变量都是连续的

数据结构：

lf <- lmer(LogLeaf ~ SoilN * Species + (1|Species/Accession) + (1|Site), 
data = a)
Warning message:
   In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
   Model is nearly unidentifiable: large eigenvalue ratio
   - Rescale variables?`

summary(lf)
    Linear mixed model fit by REML 
    t-tests use  Satterthwaite approximations to degrees of freedom 
    ['lmerMod']
    Formula: LogLeaf ~ SoilN * Species + (1 | Species/Accession) + (1 | 
    Site)
    Data: a

REML criterion at convergence: 109.5

 Scaled residuals: 
     Min      1Q  Median      3Q     Max 
  -4.9162 -0.2557  0.1309  0.5600  1.5150 

 Random effects:
    Groups            Name        Variance Std.Dev.
    Accession:Species (Intercept) 0.004266 0.06531 
    Site              (Intercept) 0.046332 0.21525 
    Species           (Intercept) 0.038957 0.19738 
    Residual                      0.109152 0.33038 
    Number of obs: 140, groups:  Accession:Species, 6; Site, 4; Species, 2

 Fixed effects:
                    Estimate Std. Error        df t value Pr(>|t|)    
(Intercept)          0.90231    0.23405   0.00000   3.855   1.0000    
SoilN2               0.73319    0.07247 129.76000  10.117   <2e-16 ***
SpeciesTRPR         -0.45583    0.29753   0.00000  -1.532   1.0000    
SoilN2:SpeciesTRPR  -0.26846    0.11621 132.12000  -2.310   0.0224 *  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
            (Intr) SoilN2 SpTRPR
SoilN2      -0.166              
SpeciesTRPR -0.619  0.128       
SlN2:SpTRPR  0.102 -0.620 -0.223
convergence code: 0
Model is nearly unidentifiable: large eigenvalue ratio
    - Rescale variables?

anova(lf)
    Analysis of Variance Table of type III  with  Satterthwaite 
    approximation for degrees of freedom
                 Sum Sq Mean Sq NumDF  DenDF F.value  Pr(>F)    
  SoilN         11.5037 11.5037     1 132.11 105.392 < 2e-16 ***
  Species        0.4513  0.4513     1   0.00   4.135 0.99998    
  SoilN:Species  0.5825  0.5825     1 132.12   5.337 0.02243 *  
  ---
  Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Warning message:
In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
Model is nearly unidentifiable: large eigenvalue ratio
- Rescale variables?`

物种登录ID站点SoilN LeafNo对数叶高度NodNo SBMg

1台面4 250975.1 1151.178977 18.1 3 0.0876
2台面4 250975.4 1 12 1.082785 18.6 3 0.0896
3台面4 250975.4 1 120 1.303196 22.4 20 0.1395
4台面4 250975.5 1 1 8 0.908485 18.4 2 0.0727
5台面4 250975.2 1 2 57 1.756636 33.5 23 0.5665
6台面4 250975.2 1 2 60 1.778874 44.8 61 0.5394

模型：我想测试处理（SoilN）、物种和加入对植物生长和根系性状的影响。我一直在运行两个模型——一个用于物种，另一个用于加入。我想测试物种或加入与土壤N之间的相互作用，包括作为随机效应的地点，以及物种内的巢加入。我编写了以下模型：

 lf  <- lmer(LogLeaf ~ SoilN * Species   + (1|Species/Accession) + (1|Site), data=a)
 lf2 <- lmer(LogLeaf ~ SoilN * Accession + (1|Species/Accession) + (1|Site), data=a)

---

lf请确保在寻求帮助时提供帮助。示例数据中没有名为
LogLeaf
的变量。你真的只有6个观测值并且你正试图估计所有这些参数吗？这在统计学上似乎有点不合适。也许你应该在上寻求统计帮助，而不是在这里寻求编程帮助。很抱歉。我会解决的。我向Cross Validated寻求帮助，但无法解决问题，所以我想我也应该试试这里。谢谢你的提示！你能给出CrossValidated的链接吗？很抱歉，还有一件事-我没有试图估计6个观测值的参数（我有几百个观测值）。6指的是2个植物物种特有的特定植物种群，所以我想在物种内筑巢来说明这一点。