如何仅包含一个3+；lmer模型随机效应结构中的等级分类预测因子？

我在过去运行的一些混合模型有两个以上级别的分类预测。当我在

lmer（）

模型的随机效应结构中加入这些变量时，我得到的结果表明，一个对比（或比较）存在随机效应，但其余对比没有随机效应

我的主要问题是：如果可能的话，我如何指定一个对比度作为随机效应包含在一个具有3个或更多级别的分类预测因子中

一个例子：假设我收集了20个人的数据，每个人都经历了3种情况（A、B、C）。我从以前的工作中知道，从条件A到条件B的效果是固定的（没有随机性），但我想包括从条件A到条件C的随机效果

df <- data.frame(PID = rep(1:20, 10), group = rep(c("A", "B", "C"),200), y = rnorm(200))

model <- lmer(y ~ group + (1 + group | PID),
              data = df,
              REML = TRUE)

#Partial summary
summary(model)
Random effects:
 Groups   Name        Variance  Std.Dev.  Corr     
 PID      (Intercept) 6.298e-02 0.2509490          
          groupB      1.907e-08 0.0001381 0.91     
          groupC      4.423e-08 0.0002103 0.75 0.96
 Residual             9.007e-01 0.9490689          

---

df默认情况下，R中的对比是治疗对比，因此您对所做比较的理解是错误的。上面的groupC结果实际上就是你所要求的。在@42的评论上展开。输出中缺少
groupA
。这是因为这是在模型中使用因子时选择的“对比度基线”。因此，
b组
和
c组
是该“基线”和替代组之间的比较。因此，
groupC
是基线
groupA
和特定组
groupC
之间的比较。我理解，默认情况下，R将包括A与B和A与C的比较。我想问的是如何告诉R在随机效应结构中只包括A和C的治疗对比度。我忘了再次检查这个问题@那么问题就变成了，模型应该如何包含剩余的数据？使模型只包含比较的最明显的方法是取一个子集（我相信
lmer（…..，subset=group！=“B”）
有效），但似乎您希望包含所有数据。B组应如何处理？它不能被视为缺少随机效应组，所以它是
a
还是
C
组？我希望你能明白这个难题。