我很难在数据上拟合模型。基本上，我有5名法官评估65棵棕榈树的表型特性（即硬）的数据。作为评估方案，每位法官为每个样本提供分数。对于3位评委，样本数据如下所示：
Judge Product Hard
aa 1 5
ab 1 6
ac 1 3
aa 1 7
ab 1 5
ac 1 4
aa 2 5
ab 2 8
ac 2 6
aa 2 7
ab 2 4
ac 2 4
Yij=αi+βiθj+εij
i = judge, j = product
此处，αi是判断主要系数，i是判断系数，因为它们的得分模式不同，θj是产品系数，εi是评估者依赖。< / p>
我试图在R中使用lme函数来拟合这个模型，但是我面临着适合交互项的困难，因为这里的模型适合参数而不是共变量。
此模型对于我的数据看起来非常准确。我已经看过它的贝叶斯版本（http://www.r-bloggers.com/extending-the-sensory-profiling-data-model/），我不知道如何使用混合建模方法或以频繁的方式。
我的问题是：
a）适合这种模型的适当方法是什么？我已经提到了很多文献，其中给出了关于迭代广义最小二乘，多层次模型，单独回归模型，加权最小二乘模型的描述。但是我仍然没有得到如何使用和拟合交互项中参数的估计值，并获得两个交互参数的单独系数？
b）如何以这种形式获得异构错误？
c）我可以使用哪个R包？