部分嵌套/部分交叉的模型

Question

我花了很多时间来搜索和阅读有关部分嵌套/部分交叉的模型的信息，尤其是在适用于lmer的情况下，我没有找到像我想要的那样能解决数据集问题的解决方案进行分析。

该研究有两个实质性变量，首要性和积极性，以及信息复制。阳性变量表示邮件中正价短语的百分比，从100％到20％不等。阳性率为100％的邮件没有否定短语。首要条件指示否定短语是在消息中首先出现还是最后出现。没有否定性（100％肯定）的消息是首要性的控制因素，因为没有否定消息元素就不可能有首要性效果。最后，positive * primacy表中的每个单元都有消息的两个版本，这是消息效果设计中的标准过程（尽管理想情况下，给定消息将有两个以上的版本）。 DV是邮件效果的等级（1到5）。

我在下面提供了一张设计表：

编辑：这是提供可重现数据的一种优雅方法。我通过排除40％和20％的阳性水平简化了示例。

 set.seed(1234)
 df <- data.frame(primacy = c(rep("control",18),rep("first",18), rep("last",18)), 
                 positivity = rep(c(rep("100%",3),rep("80%",3),rep("60%",3)),6),
                 message = as.factor(rep(1:18, times=1, each=9)),
                 dv = round(runif(162,0,5), 0))

#delete cases that contain "wrong" combinations of factors
(df %>%
  mutate(dv = ifelse(primacy == "control" & positivity != "100%", NA, dv),
         dv = ifelse(primacy != "control" & positivity == "100%", NA, dv),
         message = ifelse(message == 7 | message == 8, 1, message),
         message = ifelse(message == 13 | message == 14, 2, message)) %>%
    na.omit) -> df1


with(df1, ftable(message, primacy, positivity))

model <- lme4::lmer(dv ~ primacy/positivity + (1|message), data=df1)

summary(model)
anova(model)
emmeans::lsmeans(model, ~positivity)

从我所见，阳性是部分嵌套或部分与首要性交叉。 100％阳性条件仅在首要控制条件下发生，其他阳性条件与P（否定优先）和R（否定最后）首要条件交叉，但不与对照交叉。

问题是如何在lmer中指定模型。消息版本是随机效应（消息版本中的差异不具有实质意义），而首要和积极是固定效应。积极性似乎嵌套在首要性之内，这意味着lmer应该是：

 lmer(effective ~ primacy/positivity + (1|version), 
                 data=df, REML=T) 

方差分析的输出显示出对主要性的主要影响以及对主要性和阳性之间的相互作用，但对阳性没有影响。我怀疑该设计无法估计阳性的主要影响。

编辑：Axeman是正确的-lmer删除了“空”列。

这将大大简化放弃优先控制条件的过程，该条件估计如下：

lmer(effective ~ primacy*positivity + (1|version), 
                 data=df, REML=T) 

但是，这样做会失去优先控制条件与该变量其他两个级别的比较。

任何帮助将不胜感激。