我有一个实验，我需要评估受测者的准确性高于33％的机会，因为分析的相关试验因受测者而异，最好的分析是逻辑混合模型。
我建立了两个模型：
第一个模型-在主体为随机效应（无固定效应）的情况下，使用不确定的截距分析主语的准确性。
> m1<-glmer(accuracy ~1+(1|subject),data=df_second_LMM,family=binomial)
第二个模型-以被试为随机效应（同样没有固定效应），以33％（机会）的拦截来分析主语的准确性。
> m2 <- glmer(accuracy ~0+ offset(rep(qlogis(1/3), len = nrow(df_second_LMM))) +
> (1 | subject), data = df_second_LMM,family = binomial())
然后我对这两个模型进行了比较，并希望检查第一个模型是否比第二个模型更好地解释了数据（机会）
> anova(m1,m2)
我得到的结果是：
Models:
m2: success ~ 0 + offset(rep(qlogis(truechance), len = nrow(df_second_LMM))) +
m2: (1 | subject)
m1: success ~ 1 + (1 | subject)
npar AIC BIC logLik deviance Chisq Df Pr(>Chisq)
m2 1 123.20 125.72 -60.599 121.20
m1 2 123.12 128.16 -59.560 119.12 2.0777 1 0.1495
该试验性实验有10个主题，在所有91个试验中，对我来说都是无关紧要的。我尝试使用几个R包进行功效分析并获得真实经验的期望数量，但是我找不到任何没有固定作用的功效分析功能。
您有什么建议吗？