我是一名从事水产养殖营养研究的生物学家，直到最近我还没有过多关注统计的力量。通常的分析方法是对动物的最终体重进行方差分析，给予各种治疗和繁荣，你有一个结果。我试图通过设计一个可以跟踪个人随时间增长的实验来改善我的结果，但是我很难理解要使用哪种模型来处理我拥有的数据。
为了简化我的实验解释：我有 900 只鲍鱼/蜗牛，它们来自一个群体（同时产卵/出生）。我已分别标记每个鲍鱼 (id) 并在时间 0 记录长度和重量。然后将动物随机分配 6 种治疗饮食中的 1 种（每次治疗 n = 30 只鲍鱼），每个重复 n = 5 次（n = 150 鲍鱼 /复制）。每个重复看起来像一个随机区组设计，其中每个处理在每个区组内仅重复一次，并且每个都分配到独立的罐中，n=30 鲍鱼/罐（n 次处理）。鲍鱼被喂食已知量的饲料 90 天，然后再次称重和测量（时间 1）。在结束实验之前，他们又回到家中 90 天。
据我了解：固定效应 - 时间，治疗嵌套随机效应 - 复制，id
我输入的原始数据是长格式的，每一行是一个唯一的动物和时间（0 或 1）列，复制（1-5），治疗（1-6），性别（M 或 F）动物 ID（1- 900)、长度(mm)、重量(g)、条件系数(重量/长度^2.99*5655)
在使用新变量创建数据框之前，我使用了原始数据中的列并将它们转换为因子和向量。
id<-as.factor(data.long[,5])
time<-as.factor(data.long[,1])
replicate<-as.factor(data.long[,2])
treatment<-data.long[,3]
weight<-as.vector(data.long[,7])
length<-as.vector(data.long[,6])
cf<-as.vector(data.long[,10])
我的数据框目前采用以下结构：
df1<-data.frame(time,replicate,treatment,id,weight,length,cf)
我正在努力了解如何将我的个体鲍鱼嵌套在复制品中。我可以将重量数据转换为从初始值开始的变化，但我认为包装nlme在正确编码时已经考虑了这种变化。我还可以在时间 1 为每只动物创建另一个特定增长率的度量，但这不允许使用时间因子。
lme(weight ~ time*treatment, random=~1 | id, method="ML", data=df1))
我想构建一个混合效应模型，以便我的代码考虑到个体动物的变异性，以检测治疗之间时间 1 体重的统计差异。