我试图解决其他答案的问题，但没有得到解决方案。 我正在执行一个lmer模型：
MODHET <- lmer(PERC ~ SITE + TREAT + HET + TREAT*HET + (1|PINE), data = PRESU)。
Perc是捕食的百分比。站点是我用作阻塞因子的分类变量。这是我进行体验的网站标识。 TREAT是2级的分类变量。 HET是一个连续变量。观察次数为56次，分为7个地点 也许问题是我如何表达随机因素。在每个站点中，我在15个中选择了8个松树来进行实验。我将松树身份作为分类随机因素。例如，在Site 1中，松树被称为a1，a3，a7 ecc，而在站点2中被称为b1，b4，b12 ecc ...... 模型的输出是
Error: number of levels of each grouping factor must be < number of observations
我不明白错误在哪里。我可以称之为松树吗？ 我也试过了
MODHET <- lmer(PERC ~ SITE + TREAT + HET + TREAT*HET + (1|SITE:PINE), data = PRESU)
但输出相同。 我希望我能很好地解释我的问题。我在这个论坛上读到了类似的问题，但我仍然没有得到解决方案。
感谢您的帮助
答案 0 :(得分：0)
在lmer-call中使用参数control = lmerControl(check.nobs.vs.nRE = "ignore")来抑制此错误。但是，我想这并不能解决实际问题。在我看来，您的分组级别不包含＆＃34;组＆＃34;，可能＆＃34; SITE＆＃34;是你的随机拦截？
如果您认为PINES嵌套为＆＃34;科目＆＃34;在SITES内，我会建议以下公式：
MODHET <- lmer(PERC ~ TREAT*HET + (1|SITE), data = PRESU)
，或者
MODHET <- lmer(PERC ~ TREAT*HET + (1 | SITE / PINE), data = PRESU)
但我的回答可能是错的，我不确定我是否有足够的信息来完全理解你的目标。
修改 抱歉，未正确指定嵌套，我在上面的公式中修复了它。另请参阅this answer。