我对R中的模型设置有疑问，经过长时间彻底的搜索，我没有找到回答我的两个问题的线程：
我将首先描述设置：
它是一个重复测量数据集，有两种不同的干预措施（食物和培训），每种干预都有两个层次 . 所有参与者都经历了各种条件的组合 . 在一天中收集激素样品 . 年龄和BMI作为协变量包括在内 .
这是一个可重复的数据集：
ID <- rep(rep(c("A","B","C"),each=5),4)
TIME <- rep(paste(sprintf("%02i",9:13),"00",sep=":"),12)
training <- rep(rep(rep(c("T1","T2"),each=5),each=3),2)
food <- c(rep(rep(c("F1","F2"),each=5),each=3),rep(rep(c("F2","F1"),each=5),each=3))
hormone <- rnorm(n = 60,mean=5,sd=2)
BMI <- as.numeric(rep(rep(c(22,27,25),each=5),4))
age <- as.numeric(rep(rep(c(26,27,23),each=5),4))
DF <- as.data.frame(cbind(ID,TIME,training,food,hormone,BMI,age))
DF$BMI <- scale(as.numeric(DF$BMI))
DF$age <- scale(as.numeric(DF$age))
DF$hormone <- as.numeric(as.character(DF$hormone))
现在我有两个主要问题：
1）首先，我想评估两种干预措施对基线激素水平的相互作用 . 为此，我设置了以下模型：
model.df <- DF[DF$TIME=="09:00",]
m1 <- lmer(hormone~training*food+age+BMI+(1+training*food|ID),model.df)
但是，此模型无法设置，因为
Error: number of observations (=16) <= number of random effects (=16) for term (1 + training * food | ID); the random-effects parameters and the residual variance (or scale parameter) are probably unidentifiable
当我从随机效果中排除交互项时，它确实有效：
m1 < - lmer（激素〜训练*食物年龄BMI（1训练食物| ID），model.df）
我现在想知道这是否仍然是一个有效的模型来测试交互？因此，我的Null模型将是：
m0 <- lmer(hormone~training+food+age+BMI+(1+training+food|ID),model.df)
现在到第二点：
2）
我们还希望监测时间过程中的荷尔蒙变化 .
但是，我不确定如何在模型中包含时间 .
正如本帖所述https://stats.stackexchange.com/questions/245866/is-hour-of-day-a-categorical-variable
它可以包含在一个循环变量中，但是，由于我的采样不会涵盖整天，我不知道如何在我的情况下实现这一点 . 有人可以帮忙吗？
另外，我不知道如何设置包含时间变量的模型 .
我们仍然对两种干预措施的相互作用感兴趣，所以我会设置类似下面的模型 . （现在假设时间为数字）
model.df <- DF
model.df$TIME <- as.numeric(model.df$TIME)
m2 <- lmer(hormone~training*food*TIME+age+BMI+(1+training*food*TIME||ID),model.df)
但是：1）这个模型没有收敛
Warning messages:
1: In commonArgs(par, fn, control, environment()) :
maxfun < 10 * length(par)^2 is not recommended.
2: In optwrap(optimizer, devfun, getStart(start, rho$lower, rho$pp),:
convergence code 1 from bobyqa: bobyqa -- maximum number of function evaluations exceeded
3: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model failed to converge with max|grad| = 0.0035331 (tol = 0.002, component 1)
2）你认为这是一个适当的模型对于互动效应随着时间的推移？
然后将针对以下空模型进行测试：
m02 <- lmer(hormone~training*TIME+food*TIME+age+BMI+(1+training*TIME+food*TIME||ID),model.df)
我希望这些问题对于一个线程来说不是太多问题，我对任何指针都会非常高兴 . 非常感谢 .