我想知道，在全因子设计中，是否可能（并且明智地）将实验治疗模型化为固定效应和随机分组效应与受试者的ID（例如治疗| ID），或者这是否是多余的 . 我将解释我们的实验设计，为这个问题提供背景知识 .
Design: 我们进行了一项实验，其中我们使用了全因子设计：动物连续5天暴露于4种不同的处理（光照，噪音，光噪声和对照）（随机和 balancer 的处理） . 每个治疗期包括5天，我们每只动物每天采取一次行为测量（活动分钟） . 因此，我们每只动物共有20种行为测量 . 我们测试的33只动物来自两个不同的起源 . 因此，我们的响应变量是一个数字，受试者的治疗（光和噪声）和起源是两个级别的分类变量 .
Research questions: 我们感兴趣的是治疗是否会影响我们动物的行为，以及这些影响是否与动物的起源有关 .
Finding appropriate starting models:
1）至少我们需要纠正重复的措施设计 .
Measure ~ Light * Noise * Origin + (1|Subject)
2）而且我认为我们还应该考虑到我们测量的不同天数（长时间接触治疗可能会影响反应） .
Measure ~ Light * Noise * Origin + (Day|Subject)
3）我们还在考虑对每只动物的随机斜率建模，因为对治疗的反应可能取决于动物 . 这意味着我们将治疗作为固定效应以及随机效应 . 但我不知道这是否有意义 .
Measure ~ Light * Noise * Origin + (Light * Noise * Day|Subject)
要么
Measure ~ Light * Noise * Origin + (Light|Day) + (Noise|Day) + (1|Subject)
My question is ，是否有可能（并且明智地）使用治疗作为固定和随机效应来模拟对这些治疗的反应的个体差异？这甚至可以模拟每只动物每次治疗只有5个措施吗？或者使用（日|主题）来解释个体差异是否足够？
我希望有人可以给我一些建议，或者可以给我一些有用的文献，非常感谢帮助！