我目前正在尝试在R中运行混合效应模型以进行我正在进行的研究。
我正在研究目标种族对客体化的影响，以及亲和力是否能介导这种关系。
每个参与者对三个目标（亚裔，非裔美国人和白种人目标）的热情和能力进行了评估，并通过平均每个目标的每个项目的z得分指数来计算综合目标得分。
数据看起来像这样：
participant <- c(1,1,1,2,2,2)
target_ethnicity <- ("caucasian", "africanamerican", "asian", "caucasian", "africanamerican", "asian")
objectification <- c(1.00, 0.90, 0.97, 0.78, 0.76, 0.89)
affinity_level <- c(5, 7, 7, 4, 6, 7)
df <- data.frame(participant, target_ethnicity, objectification, affinity_level)
因此，对于每个参与者，有3个客观化得分（每个目标一个）和3个亲和力得分（每个目标一个）。
在计算混合效果模型时，我使用了代码：
mod1 <- lmer(objectification ~ target + affinity + (1|participant), data = df)
在查看我的131位参与者的完整数据集的摘要时，它显示以下内容：
asian: B = 0.15976, t(259.87)= 4.159, p <.05
black: B = 0.07963, t(261.30)= 2.054, p<.05
affinity: B = 0.13647, t(338.11) = 3.169, p<.05
我对此有一些疑问，我想知道是否有人可以建议我：
（1）我很困惑为什么自由度都不同？
（2）我想测试此模型的假设，但是类似qqPlot（）的功能无法正常工作，因为我收到错误消息“ x [good]中的错误：类型为'S4'的对象不可子集化：警告消息：在is.na（x）中：is.na（）应用于类型为'S4'“的非（列表或向量）
（3）当我寻找偏远的数据点时，是否有必要像下面所做的那样在查看dfbetas和库克距离之前使用影响函数？在混合效果模型中，如何选择截止点以消除异常值？
outliers <- influence(mod1, group="participant")
dfbeta <- dfbetas.estex(outliers)
cooks <- cooks.distance.estex(outliers)
（4）在这种情况下，我该如何解释介体亲和力？我怎么知道它是否在调解？做一个简单的斜率图有必要还是有用？
（5）如何提取该模型的R ^ 2和调整后的R ^ 2值以及F统计量？
我知道这是很多问题，但是我对混合效应模型还很陌生，很困惑。