r - 混合效应模型的比较和两种混合效应模型的组合

Question

我希望这个问题适合这里，因为它不仅是关于编码问题，而且还挖掘了一些关于线性混合效应模型的理论问题。假设线性混合效应模型：

model1 <- lmer(RT ~ word_duration + RT_prev + trial + stem + 
                       (1|Subject) + (1|Word), data = df_whole)

我可以计算它的 AIC 分数并用它来将模型与其他模型进行比较。就我而言，我有另一个模型：

model2 <- lmer(RT ~ word_duration + RT_prev + trial + form + 
                       (1|Subject) + (1|Word), data = df_subset)

mymodel3的预测是 model1 和 model2 = 预测中的最小值min[model1, model2]。我想比较model3，model1我知道我可以使用均方误差 (MSE) 例如。但是，MSE 没有考虑到这model3是两个模型的组合，并且 MSE 的差异可能无法证明增加的复杂性是合理的。那么，我可以计算一个考虑模型复杂性的测量值，例如 AIC，以便比较模型吗？

注意：model1对所有数据进行了训练，model2仅针对子集。这样做是因为我假设子集中的项目可能会以不同的方式处理。因此，对于某些项目stem和其他项目form是更好的预测器（如文献中所讨论的）。