我是 R 新手，我正在尝试使用函数glmer（对于二项式结果变量）和lmer连续函数对我的数据集使用多级建模。

我有4个Treatments实验Conc组（= 4 个级别的因子，= 整数（无十进制值）这是我的数据文件的示例PosQTimeConcTreatmentPosQ

ID   Time   Conc   Treatm    PosQ

1    1     1        1       6   
1    2     1        1       12   
1    3     1        1       14  
1    4     1        1       15 
2    1     0        3       20 
2    2     0        3       12
2    3     0        3       8
2    4     0        3       6

这是一个 3 级重复测量设计，我想测试结果变量的影响Treatment和Time对结果变量的影响。变量是嵌套的而不是交叉的，每个人只属于 4 个实验组中的 1 个，我对每个人做了 4 次测量。所以从最远到最近 Treatment is nested with IDthat is nested with Time（表示重复测量）

我想测量和的交互作用Time（Treatment根据他们所属的治疗组和时间的推移，我预计他们在 4 次测量结束时会更好）。我正在使用多级模型，因为我还想考虑个体差异以下是我使用的公式：

BinomialOutcomeVariable <- glmer(Conc ~ Treatment * Time + (1| Treatm) + (1|Treatm:ID) + (1|Treatm/ID/Time), data = analyses.4, family = binomial(link="logit"))

ContinuousVariable <- lmer(PosQ ~ Treatm * Sequ + (1| Treatm) + (1|Treatm:ID) + (1|Treatm/ID/Time), data = analyses.4)

这些公式正确吗？可以减少吗？因为当我对连续变量进行分析时，我会收到以下警告：

1：number of levels of each grouping factor must be < number of observations

2：grouping factors with < 5 sampled levels may give unreliable estimates

3：In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, : Model is nearly unidentifiable: large eigenvalue ratio - Rescale variables?

相反，如果我使用这个公式，我只有 1 个连续变量没有问题

model <- lmer(PosQ ~ Treatm * Time + (1| Treatm/ID), data = analyses.4)

和以前的公式一样吗？R是否理解这Time是嵌套的？如果我使用isNested函数，它表示它们没有嵌套。

任何帮助，想法，建议都非常感谢。

提前致谢