我有一个这种格式的数据集（df）
index <- runif(n = 100,min = 0, max = 1)
type1 <- rep("low", 50)
type2 <- rep("high", 50)
type <- c(type1,type2)
level1 <- rep("single", 25)
level2 <- rep("multiple", 25)
level3 <- rep("single", 25)
level4 <- rep("multiple", 25)
level <- c(level1,level2,level3,level4)
block <- rep(1:5, 10)
set <- rep(1:5, 10)
df <- data.frame("index" = index,"type" = type, "level" = level, "block" = block, "set" = set)
df$block <- as.factor(df$block)
df$set <- as.factor(df$set)
我想创建一个看起来像这样的模型
model <- lmer(index ~ type * level + (1|block) + (1|set), data = df)
但是，在我的原始数据中，拟合很差，因为数据绑定在 0 和 1 之间。我想引导这个混合效应模型。关于如何为这种模型实现引导的任何想法？我想将此完整模型与子模型进行比较，例如。没有互动，或有level或type单独。我还想要最终模型的置信区间