我不确定我能否提供我想要的那种答案，但我会尝试抛出一些关于你的问题的信息。

首先，@Seth 和@gui11aume（每人+1）都注意到lme()默认为无组内相关性。问题是为什么，以及这是否可能是一个问题。我相信这种想法是一个正确指定的多级模型，它将解释您的观察结果之间的协方差，从而使残差是独立的。这就是为什么对函数进行编码以期望没有相关性的原因。也就是说，你可能没事。

您的几个问题涉及错误指定的方差/协方差结构的影响（请记住，这实际上可能不适用于您）。您对 beta 的估计应该不受此影响，也就是说，它们应该是无偏的。但是，抽样分布的方差估计将不准确，也就是说，您的 p 值将不准确。此外，我相信您不能先验地判断它们是否会太高或太低。如果你真的关心这些问题，你总是可以使用健壮的（又名“三明治”）标准错误。这些通常是在广义线性模型的背景下考虑的，但它们可以在其他地方使用。查看 R 包三明治. 请注意，如果它们不是必需的，您可能会面临增加 II 类错误的风险。

据我所知，标准的 AR(1) 方差/协方差结构确实假设同方差。然而，更具限制性的是，它假设每次观察都是在适当的时间进行的，并且所有测量在时间上都是等距的。即使在最偶然的情况下，这些假设通常也不成立，因此，假设 AR(1) 方差/协方差结构是危险的。

请记住，模型的正确规范是至关重要的。时间很可能与适当的均值模型无关，但可能性不大。将 TIME 排除在模型之外会导致遗漏变量偏差。因此，丢弃 TIME 可能会产生对均值的有偏估计和无效推论。这不值得赌。

@Seth 已经解决了您的第一点：默认设置是没有组内相关性。关于你的第二点，我认为这取决于时间的影响大小。如果与您的其他变量（如 CONDITION 和 SUBJECT）相比效果较小，则不适合应该不是问题。但是如果 TIME 是一个主要影响，你会希望你的模型能很好地描述它。

现在关于您的第三个问题，如果您通过调用从模型中删除 TIME

lme(fixed= FR ~ CONDITION, data=mydata, random= ~ 1 | SUBJECT)

您删除交互项TIME*SUBJECT。因此，如果 TIME 对每个主题都具有相同的效果，那没什么大不了的。但是，如果响应显示（或预计会显示）某些人在某个时间的特定行为（比如有些人变得更好，有些人变得更糟），那么这将以难以理解的方式“吸收”在您的其他变量中预测（即可能使某些术语重要而其他不重要）。

您对 TIME 不感兴趣并不意味着您应该将其排除在模型之外。我要说的恰恰相反。举一个启发式示例，在简单的线性回归中，您拟合斜率和截距，但您通常只对斜率感兴趣。如果不包括截距项，则通过原点拟合一条线。您可以自己检查，使用这种方法，您有时会（对于不同的点云）得出错误的结论：得出斜率非空的结论，反之亦然。

因此，如果您有疑问，请保留 TIME，但只关注 CONDITION 的估计值和 p 值。