实验 该数据来自一个实验，其中两个人协作以特定顺序放置对象。Director 的屏幕上有目标阵列，而 Matcher 的屏幕上有一个加扰阵列，必须重新组织以匹配 Director 的显示。导演是使用脚本的同盟者。在以不同顺序使用相同对象的几轮之后，有一个关键轮。

感兴趣的度量是 Matcher 在屏幕上查看目标对象的反应时间 (RT)，具体取决于该对象是使用先前建立的标签 (Old Label) 还是新标签 (New Label) 来引用的，以及是否互动伙伴是以前的伙伴（Same Partner）或新伙伴（Different Partner）。每个参与者经历了 8 个关键轮次，因此每个参与者在设计的每个单元格中有 2 个观察值，每个关键轮次使用不同的目标对象。因此，我们有一个 2（标签）x 2（合作伙伴）的受试者内设计。我们预测，当同一合作伙伴使用新标签时，RT 会最慢，但其他三组的 RT 不会有差异（即交互效应）。

使用 ANOVA 证实了这种效果。但是，我想使用混合效应模型来捕获同一模型中的参与者和项目级别的变化。我在 R 中的当前模型是仅截取随机模型：

rm1 <- lmer(RT ~ Label*Partner + (1|Subject) + (1|Item))

然而，我想在模型中包含随机斜率，以承认参与者可能对设计中的每个单元格有特殊差异，并且每个项目的 RT 也可能显示特殊差异。因此，我想这个模型看起来像：

rm2 <- lmer(RT~Label*Partner + (Label*Partner|Subject) + (Label*Partner|Item))

然而，我不确定是否适合在我的模型中同时包含固定效应和随机效应。如果我只将标签和合作伙伴变量包含为随机效应，那么我无法从模型中提取系数，因此我无法确定显着性。