我最近进行的一项实验使用 2（参与者之间）x 3（参与者内部）设计。也就是说，参与者被随机分配到两个条件之一，然后分别完成三个类似的任务（以平衡的顺序）。
在这些任务中的每一项中，参与者都在多次试验中做出二元选择（2AFC），每个试验都有一个正常正确的答案。
在每次试验中，参与者都被呈现了一个干扰物，它被假定为偏向于其中一种选择的反应。任务的不同仅在于这种干扰物的存在和大小（即没有干扰物与大小不同的干扰物）。
我想检查这些条件下的错误率（与标准正确答案的偏差）。我假设当干扰物存在时错误率会增加，但当干扰物的大小增加时不会进一步增加。此外，我预计这种增加在受试者之间的条件下会有所不同。后一种互动是核心利益。
根据此处的讨论和文献（Dixon，2008；Jaeger，2008），我认为 logit 混合模型是合适的分析方法，并且在 R 中，lme4 包是首选工具。
虽然我可以使用 lme4 计算一些基本分析（例如随机截距模型、随机效应 ANCOVA），但我对如何将模型应用于相关设计感到困惑——我觉得我在思考HLM，并且还没有完全理解混合效应模型的全部内容。因此，我将非常感谢您的帮助。
我有两个基本问题：
在第一个分析中，我想只考虑参与者偏向错误答案的那些试验中的错误率。因此，第一个模型只关注偏差会偏离正确答案的试验。
如果我的观察是独立的，我可能会使用这样的模型：
correct ~ condition + distractor + condition:distractor...但显然，它们不是：观察被分组在任务中（不断存在干扰物）和参与者中。那么，我的问题是：如何添加随机效果来反映这一点？
（如果我还没有失去你:-)）是否有可能包括所有试验（那些偏向错误和正确答案方向的试验），并包括这种差异（即方向偏差）作为试验级预测器？
在我对 HLM 的想象中，这样的预测因子（在试验级别）将取决于存在的干扰物的大小（在块级别），这又取决于参与者的状况（另外，可能，每个参与者的独特因素）。
然后，交互会自动出现，作为跨级别交互。如何在 ›flat‹ lme4 语法中指定这样的模型？（这样的模型有意义吗？）
好的，我希望所有这些都有意义——否则我会很乐意详细说明。再次，我将非常感谢有关此分析的任何想法和意见，并感谢您抽出时间和麻烦作出回应。
参考
迪克森，P.（2008 年）。重复测量设计中的准确性模型。记忆和语言杂志，59 (4), 447-456。doi: 10.1016/j.jml.2007.11.004
积家 TF (2008)。分类数据分析：远离 ANOVA（变换与否）并转向 logit 混合模型。记忆和语言杂志，59 (4), 434-446。doi: 10.1016/j.jml.2007.11.007