我对两种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，有一个任务有两个条件，每个参与者都做两个条件（重复测量），每个条件都存在3个试验（重复测量）。然后有一个连续的DV。
（1）
首先，我想知道变量主题id，条件和试验是否嵌套或交叉。所有受试者都在做两种情况，所以我认为主题和条件是相互交叉的。那是对的吗？
虽然条件1和条件2都具有三个级别的试验，但它们当然不是及时的相同试验（因为参与者不是在同一时间而是在彼此之后的任务条件下）。这是否意味着条件和试验是嵌套的？或者他们也是因为他们都有三个级别的审判？
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。它是否正确？
（2）其次，我喜欢运行多级模型，但我不确定如何指定固定效果和随机效果。最低级别将是试验/时间，因为我想对两种情况下的DV随时间（试验）的曲线/生长轨迹建模。实际上，每种情况有20次试验。我现在有以下代码来为每个参与者建模随机拦截：
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。但这是否意味着每个参与者的所有6个试验都建模了随机截距？我实际上想知道这个条件。那么我应该为每个条件制作一个多级模型（所以对两个条件分开所有分析）？或者我可以在代码中包含条件，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与M1相比具有明显更好的数据拟合，是否意味着两种情况都有随机截距？
（3）如果我想知道每个条件是否有试验效果，我应该如何建模呢？喜欢这个？
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会产生线性影响？
（4）最后，如果DV和试验之间的关系存在随机斜率，我想知道每个条件（因此不是整个6个试验）。我不想知道整个6个试验，但每个条件（实际上每个条件20个试验）。该模型是：
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）。我希望有人可以帮忙！