对于时间序列的混合效应模型，我通常使用该nlme包，因为它提供了对自相关结构进行建模的工具。如果我不需要考虑自相关，我更喜欢这个lme4包，它为指定随机效应提供了更大的灵活性，而且通常也更快。

我建议阅读 Zuur 等人。2009 (ISBN 978-0-387-87457-9) 作为使用 R 进行混合效果建模的介绍。这本书包含许多使用该nlme包的漂亮和说明性示例。

根据您的问题和评论，您的模型结构应如下所示：

• 固定效应：截距、植物类型（确保这是一个因子变量而不是 R 中的数字！）、时间和两者之间的相互作用
• 随机效应：按嵌套在框中的植物分组的随机截距，也可能是具有相同嵌套结构的随机斜率与时间
• 相关结构：某种以时间为协变量的自回归移动平均相关结构，与随机效应相同的分组结构

因此，一个完整的模型可能如下所示fit1 <- lme(height ~ type * time, random= ~ 1|box/plant, correlation=corARMA(0.2, form=~time|box/plant, p=1, q=0), data=mydata)：anova如果包含随机斜率可以改进模型，您应该使用该函数通过比较模型来进行测试。您还应该测试哪种自相关结构最合适（尽管 Zuur 等人建议不要花费太多精力来寻找最佳自相关结构）。当然，还需要研究残差图。如果模型存在异方差，您可能需要指定方差结构或转换依赖项。从情节来看，高度和时间之间的关系非常线性，但您也可以尝试转换时间。

潜在问题：您的时间点数量极少，这可能会导致在尝试拟合自相关参数时出现问题。甚至不可能适合它们。此外，您的个人和盒子的数量非常少。