我进行了一项受试者内实验。实验的 DV 是一个分类变量（0 或 1），IV 具有三个级别（1 = 无，2 = 弱，3 = 强）由于 DV 是二元的，我建立了一个逻辑混合效应回归模型. 这是我在下面运行的代码：
model <- glmer(DV ~ IV + (1|subjects) + (1|items), data=df, family=binomial("logit"))
模型收敛如下：
Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
Family: binomial ( logit )
Formula: DV ~ IV + (1 | subjects) + (1 | items)
Data: df
AIC BIC logLik deviance df.resid
1370.3 1398.4 -680.2 1360.3 2035
Scaled residuals:
Min 1Q Median 3Q Max
-9.0454 -0.2655 0.1214 0.2882 7.7130
Random effects:
Groups Name Variance Std.Dev.
items (Intercept) 1.9754 1.4055
subjects (Intercept) 0.4548 0.6744
Number of obs: 2040, groups: items, 60; subjects, 34
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -3.1913 0.3899 -8.185 0.000000000000000272 ***
type.strong 6.1598 0.5401 11.405 < 0.0000000000000002 ***
type.weak 4.2876 0.5046 8.498 < 0.0000000000000002 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) typstr
typestrong -0.682
typeweak -0.714 0.541
显然，我的模型表明 IV 具有显着效果。但是，当我将固定效应的每个系数转换为优势比时，我认为结果太高了，如下所示。
exp(6.1598) # 473.3334
exp(4.2876) # 72.79156
最初，我预计我提到的那些系数是负数（或至少远小于 6.1598 和 4.2876）。但是当模型显示这些结果时，我强烈怀疑我是否采取了正确的程序。所以，这是我的问题。
固定效应的方向与我模型中的截距相反可以吗？
最重要的是，我计算的优势比是否可用？即我的 IV 可以作为适当的预测器吗？
还是我错过或做错了什么？
这是我第一次运行 IV 具有三个级别的逻辑混合效应模型。任何帮助将不胜感激，在此先感谢！