我想用线性混合效应模型研究两次就诊之间的脂肪差异。因此，一切都会以lme(fat~开始，现在...对于系数，我有一些值会从第1次访问到第2次更改，因为它们分别是高血压状态，糖尿病状态，bmi，腰围，吸烟状态等。其他变量从访问1到访问2都不会改变，因为它们是性别或种族。
请注意，以下变量是虚拟变量（高血压状态，糖尿病状态，吸烟状态，性别），而以下变量是连续变量（ bmi，腰围，年龄）。 / p>
我使用nlme软件包的初始模型表示为：
lme(fat~ diabetes_status + hypertension_status + bmi + waist + smoker + gender + ethnicity, random= ~1|PatientID/Visit, data = df_1, na.action = na.omit)
访问有2个级别（1和2）
但是，我被告知，那些随时间变化的变量应该是随机效应，而所有其他变量都应该是固定的。在来自stackoverflow（specifying multiple separate random effects in nlme）的另一个问题中，我读到nlme不利于指定交叉效果（aka，多个分离的随机效果），并且lme4包将达到最佳效果。
我尝试了多种方法：
attempt_1 = lmer(fat ~ gender + ethnicity + (1|diabetes_status) + (1|hypertension_status) + (1|PatientID/visit), data=df_1, REML=TRUE)
attempt_2 = lmer(fat ~ gender + ethnicity + (1|diabetes_status) + (1|hypertension_status) + (1|PatientID/visit), data=df_1, REML=FALSE)
attempt_3 = lmer(fat ~ gender + ethnicity + (diabetes_status+hypertension_status|PatientID/visit), data=df_1, REML=TRUE)
attempt_4 = lmer(fat ~ age + ethnicity + (1|diabetes_status) + (1|hypertension_status) + (1|PatientID/visit), data=df_1, REML=FALSE)
attempt_5 = lmer(fat ~ age + ethnicity + (1+diabetes_status+hypertension_status|PatientID/visit), data=df_1, REML=TRUE)
但是这些尝试均无效，并且错误始终相同：Error: number of levels of each grouping factor must be < number of observations
我认为这可能是以下三个原因之一：
在任何尝试中该代码都不正确，如果这是真的，那将是表达这一点的最佳方法？
随机效应实际上应该是固定效应（因此，在这种情况下，正确的模型应该是lme(fat~ diabetes_status + hypertension_status + bmi + waist + smoker + gender + ethnicity, random= ~1|PatientID/Visit, data = df_1, na.action = na.omit))，它可以完美运行。
线性混合效果模型无法处理如此多的随机效果。
有什么想法吗？ 谢谢！