Ich kann Fehler nicht verstehen lmer

Question

Ich habe versucht, das Problem zu lösen Lesen anderer Antworten, aber nicht die Lösung bekommen. Ich führe ein lmer Modell:

MODHET <- lmer(PERC ~ SITE + TREAT + HET + TREAT*HET + (1|PINE), data = PRESU).

Perc ist der Prozentsatz der Prädation. Site ist eine kategoriale Variable, die ich als Blockierungsfaktor verwende. Es ist Site-Identität, wo ich das Experiment durchgeführt habe. TREAT ist kategoriale Variable von 2 Ebenen. HET ist eine kontinuierliche Variable. Die Anzahl der Beobachtungen ist 56 in 7 Standorte unterteilt Vielleicht ist das Problem, wie ich den Zufallsfaktor ausgedrückt. In jedem Standort wählte ich 8 Kiefern unter 15 aus, um das Experiment durchzuführen. Ich habe die Kieferidentität als kategorischen Zufallsfaktor aufgenommen. Zum Beispiel in Standort 1 Kiefern a1 genannt werden, a3, a7 ecc, während in Park 2 b1 genannt werden, b4, b12 ecc ... Die Ausgabe des Modells ist

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

ich nicht verstehe, wo der Fehler ist. Könnte es sein, wie ich die Kiefern nannte? Ich habe auch versucht

MODHET <- lmer(PERC ~ SITE + TREAT + HET + TREAT*HET + (1|SITE:PINE), data = PRESU)

aber die Ausgabe ist das gleiche. Ich hoffe, dass ich meine Probleme gut erklärt habe. Ich lese in diesem Forum ähnliche Fragen dazu aber ich bekomme immer noch keine Lösung.

Vielen Dank für Ihre Hilfe

Answer 1

Verwenden Argument control = lmerControl(check.nobs.vs.nRE = "ignore") in Ihrem lmer-Aufruf, diesen Fehler zu unterdrücken. Ich schätze, das löst das eigentliche Problem nicht. Es scheint mir, dass Ihre Gruppierungsebene keine "Gruppen" enthält, wahrscheinlich ist "SITE" Ihr zufälliger Abschnitt?

Wenn Sie PINIEN verschachtelt als „Subjekte“ innerhalb SITES betrachten, dann würde ich folgende Formel vorschlagen:

MODHET <- lmer(PERC ~ TREAT*HET + (1|SITE), data = PRESU) 

oder

MODHET <- lmer(PERC ~ TREAT*HET + (1 | SITE/PINE), data = PRESU) 

Aber meine Antwort falsch sein, ich bin nicht Sicher, ob ich genug Informationen habe, um zu verstehen, worauf Sie abzielen.

bearbeiten: Sorry, Verschachtelung wurde nicht korrekt angegeben, ich habe es in der obigen Formel behoben. Siehe auch this answer.