实验设计涉及 10 名参与者。他们都经历了条件 A、B、C、D 进行治疗，但参与者 1-5 经历了条件 E、F，参与者 6-10 经历了条件 G、H。
我正在使用带有 lme 功能的 nlme 包来处理丢失的数据并防止按列表删除参与者。测量变量 = DV，固定效应 = 条件，随机效应 = 参与者）。当一切都刚刚过去时，这就是我所拥有的：
lme(DV~cond, random =~1|ppt, data = OutcomeData, method = "ML", na.action = na.exclude)
当第一部分（条件 A、B、C、D）被交叉而第二部分 E、F 和 G、H 被嵌套时，设置的统计数据是什么......任何帮助或指导将不胜感激！谢谢。
我认为您的设计可以被认为是有计划的“缺失”设计，其中一部分受试者没有以有计划的方式暴露在某些条件下（参见 Enders，2010 年）。如果这些值“完全随机缺失”，您可以将数据视为从 EH 条件下缺失值的单向重复测量设计中获得的数据。
我建议您包含一个变量“块”，以将经历 AD 加 E 和 F 条件的受试者与其他受试者区分开来。然后你可以将你的模型指定为
summary(m1 <- lme(DV ~ cond, random=~1|block/ppt, data=OutcomeData, method = "REML"))
如果您将受试者正确地随机分为 2 个块，则不应存在与块相关的显着变异性。您可以通过拟合没有块随机效应的另一个模型来测试这一点，并像这样比较这两个模型：
summary(m0 <- lme(DV ~ cond, random=~1|ppt, data=OutcomeData, method = "REML"))
anova(m0, m1)
method = "REML"因为我们正在比较随机效应不同的嵌套模型。要估计固定效应，您可以用 . 更好地拟合（希望 m0）模型method = "ML"。
如果您还没有收集数据，我强烈建议您将主题随机分配到 2 个块中。将受试者 1-5 分配到块 1（即，通过条件 E 和 F）并将受试者 6-10 分配到另一个块可能会引入混淆变量（例如，时间、技术人员习惯该程序）。