我想问一下线性混合模型。
固定变量的显着性随随机结构而变化。例如，假设有 5 个变量：RT（响应变量）、协变量变量 1（CV1）、CV2、IV1、IV2。除 RT 外，所有变量均为受试者内变量。
我想知道的是IV2和IV2的相互作用。
在这种情况下，我使用 lmer() 设置了两个模型。首先是：
m1 <- lmer(rt ~ C.V.1 + C.V.2 + I.V.1*I.V.2 + (1+C.V.1 + C.V.2 + I.V.1*I.V.2|subject) + (1|word))
第二个是：
m2 <- lmer(rt ~ C.V.1 + C.V.2 + I.V.1*I.V.2 + (1+ I.V.1*I.V.2|subject) + (1|word))
当我分析这两个模型时，两个模型之间固定变量的重要性是不同的。例如，IV1 和 IV2 的交互作用在 m1 中显着，但在 m2 中不显着。
我知道设置主题截距意味着响应将与每个主题不同，并且为 IV1 设置主题斜率意味着 IV1 的效果将与每个主题不同。
但我不知道固定效应和随机效应之间的关系。考虑随机效应是什么意思？在控制协变量等其他随机效应的影响时，我可以将固定变量的估计结果解释为系数吗？
为什么固定效应的意义会随着上述两个模型的随机结构而改变？
感谢您的阅读，我希望有人能向我解释这些。