我正在尝试lme4为我的实验设计指定一个线性混合效应模型（带有 ）的公式，但我不确定我做对了。
设计：基本上我正在测量植物的响应参数。我有 4 个处理级别和 2 个灌溉级别。这些植物分为 16 个地块，在每个地块中我抽样 4 个子地块。在每个子图中，我进行 15 到 30 次观察（取决于发现的植物数量）。也就是说，总共有 1500 行。
最初，子图级别仅用于采样目的，但我想我想在模型中考虑它（作为 64 级变量），因为我看到从一个子图到另一个子图有很多可变性，即使在同一个地块内（大于整个地块之间的变异性）。
我的第一个想法是写：
library(lme4)
fit <- lmer(y ~ treatment*irrigation + (1|subplot/plot), data=mydata)
或者
fit <- lmer(y ~ treatment*irrigation + (1|subplot) + (1|plot), data=mydata)
那是对的吗？我不确定我是否必须在公式中同时保留情节/子情节级别。没有固定效应显着，但随机效应非常显着。
你的模型应该写成
fit <- lmer(y ~ treatment*irrigation + (1|plot/subplot), data=mydata)
因为子图嵌套在站点内。尽管如果子图被唯一标记（即 1A、1B、1C、...、2A、2B、2C 而不是 A、B、C...、A、B、C），(1|plot)+(1|subplot)将起作用。Fox等人的书章节。生态统计描述了一个嵌套的例子：
另一方面，在蜱示例中，每只小鸡只出现在一个巢穴中，并且每只雏鸡只出现在一个地点：模型规范
(1 | SITE/BROOD/INDEX)读作“嵌套在地点内的巢穴中的小鸡（索引）”或等效(1 | SITE) + (1 | SITE:BROOD) + (1 | SITE:BROOD:INDEX)。如果对育雏和小鸡进行唯一标记，以便软件可以检测到嵌套，(1 | SITE) + (1 | BROOD) + (1 | INDEX)也可以工作（不要使用(1 | SITE) + (1 | SITE/BROOD) + (1 | SITE/BROOD/INDEX)；它会导致模型中的冗余项）。
其他想法：
lm(y~treatment*irrigation, data=my_aggregated_data)