我对两个重复测量的固定效应和随机效应的建模有疑问。我的数据集如下所示：
subject id condition trial DV
1 1 1 2
1 1 2 5
1 1 3 6
1 2 1 3
1 2 2 8
1 2 3 9
2 1 1 5
2 1 2 4
2 1 3 3
2 2 1 7
2 2 2 8
2 2 3 6
3 1 1 4
3 1 2 5
3 1 3 7
3 2 1 9
3 2 2 10
3 2 3 2
因此，有一个具有两个条件的任务，每个参与者都执行两个条件（重复测量），并且每个条件都存在 3 次试验（重复测量）。然后是连续的DV。
（1）首先，我想知道变量subject id，condition和trial是嵌套还是交叉。所有科目都在做两个级别的条件，所以我认为科目和条件是交叉的。那是对的吗？
尽管条件 1 和条件 2 都具有三个级别的试验，但它们在时间上当然不是相同的试验（因为参与者不是同时玩任务的条件，而是彼此相继）。这是否意味着条件和试验是嵌套的？还是因为他们都是三重试炼，他们也越过了？
此外，我认为主题和试验是交叉的，因为所有参与者都经历了 6 个级别的试验。这个对吗？
(2) 其次，我喜欢运行多级模型，但我不确定如何指定固定效应和随机效应。最低级别将是试验/时间，因为我想对两种条件下 DV 随时间（试验）的曲线/增长轨迹进行建模。实际上，每个条件有 20 次试验。我现在有以下代码来为每个参与者建模随机截距：
m1 = gls(DV~1, data=dataset,method = "ML", na.action = na.exclude)
m2 = lme(DV~ 1 , data = dataset, random = ~1|subject id, method = "ML", na.action = na.exclude)
M2 比 M1 更适合数据。但这是否意味着在每个参与者的所有 6 次试验中都建立了随机截距模型？我实际上想知道每个条件。那么我应该只为每个条件制作一个多级模型（因此将两种条件的所有分析分开）？或者我可以在代码中包含条件吗？代码应该是：
m3 = lme(DV~ 1 , data = dataset, random = ~1|subject id/condition, method = "ML", na.action = na.exclude)
如果 M3 比 M1 更适合数据，这是否意味着这两种情况都存在随机截距？
（3）如果我想知道每个条件是否有试验效果，我应该如何建模？像这样？
m4 = lme(DV~ trial , data = dataset, random = ~1|subject id/condition, method = "ML", na.action = na.exclude)
试验的显着效果是否意味着在两种情况下试验都存在线性效应？
（4）最后，我想知道每个条件（所以不是整个 6 次试验）DV 和试验之间的关系是否存在随机斜率。我不想知道整个 6 次试验但每个条件（实际上每个条件 20 次试验）。模型是：
m5 = lme(DV~ trial, random = ~condition/trial|subject id/condition, method = "ML", data = dataset)
总的来说，我很困惑如何处理模型中的两个重复变量（条件和试验）。我希望有人能帮帮忙！