我想知道，在完全析因设计中，是否有可能（且明智）将实验治疗既建模为固定效应，又建模为具有受试者ID的随机分组效应（例如，治疗| ID）？是多余的。我将解释我们的实验设计，以提供有关该问题的背景。
设计： 我们进行了一项实验，其中我们使用了完整的因子设计：将动物连续5天接受4种不同的处理（光，噪声，光+噪声和对照）（随机分配和平衡处理）。每个治疗期为5天，每只动物每天我们采取一项行为措施（活动分钟）。因此，每只动物总共有20种行为指标。我们测试的33只动物来自两个不同的来源。因此，我们的响应变量是一个数字，对象的处理方式（光和噪声）和来源是具有两个级别的分类变量。
研究问题：我们对这些处理方法是否会影响我们动物的行为以及这些影响是否与动物起源有关感兴趣。
查找合适的起始模型：
1）至少我们需要纠正重复测量的设计。
Microsoft.AspNetCore.Owin2）而且我认为我们还应该考虑我们所测量的不同天数（长时间接受治疗可能会影响疗效）。
Measure ~ Light * Noise * Origin + (1|Subject)
3）我们也正在考虑对每只动物的随机斜率建模，因为对治疗的反应可能取决于动物。这意味着我们将把治疗方法当作固定效果和随机效果。但是我不知道这是否有意义。
Measure ~ Light * Noise * Origin + (Day|Subject)
或
Measure ~ Light * Noise * Origin + (Light * Noise * Day|Subject)
我的问题，是否有可能（并且明智地）将治疗同时用作固定效应和随机效应，以模拟对这些治疗反应的个体差异？每只动物每次治疗仅用5种措施进行建模是否有可能？还是使用（天|主题）来解释个体差异就足够了？
我希望有人可以给我一些建议或可以向我指出一些有用的文献，我们将不胜感激！