如何在 R 中使用 lmer() 检查 REML（或混合模型）中的 p 值？

Question

这是我的数据，我想进行 REML 分析以查看随机因子的方差分量。

Plant<- rep(c("P1","P2","P3","P4"), each=9)
Leaves<- rep(rep(c("L1","L2","L3"), each=3),4)
Rep<-rep(c(1,2,3),12)
Ca<- c(3.280, 3.090, 3.185, 3.520, 3.600, 3.560, 2.880, 2.800, 2.840, 2.460, 2.440,
       2.450, 1.870, 1.800, 1.835, 2.190, 2.100, 2.145, 2.770, 2.660, 2.715, 3.740,
       3.440, 3.590, 2.550, 2.700, 2.625, 3.780, 3.870, 3.825, 4.070, 4.200, 4.135,
       3.310, 3.400, 3.355)

tomato<- data.frame(Plant,Leaves,Rep,Ca)

这是我的代码

library(lme4)

lmer <- lmer(Ca ~ (1|Plant)+ (1|Plant:Leaves), REML=TRUE, data=tomato)
summary(lmer)

我假设叶子是嵌套的以种植。所以我编码为 (1|Plant:Leaves)

这个结果表明植物和叶子在数据中的变异性最大，而重复是次要的，不是吗？

然后，我想知道植物和离开（嵌套到植物）是否重要。我在哪里可以找到 p 值？或者我可以添加更多代码来检查 p 值吗？

或者在 REML 中，我们只能检查方差分量？

如果是这样，如果我选择植物作为固定因素，如下所示

lmer <- lmer(Ca ~ Plant+ (1|Plant:Leaves), REML=TRUE, data=tomato)
summary(lmer)

至少，在这个混合模型中，应该呈现植物的 p 值（= 固定因子）？不是吗？但是，我还是找不到。

您能指导我如何分析 REML 的结果吗？