所以我读了很多教科书和很多 R 教程，我在这里发疯了。您如何决定使用哪种型号？我真的希望这有经验，但是随着现代技术的出现以及支持和反对转换等的证据，任何人应该如何实际创建一个产生正确结果的模型？

我只想知道在两种处理（低和高大象影响）之间用木头覆盖的地块中的点数是否存在显着差异。我还想知道是否有任何影响显着。每个站点有 5 个地块 (1,2,3,4,5)。2013年每个小区都统计了被木覆盖的点数，2014年和2015年又统计了一次。所以我有重复的措施。

我的响应变量是Number= 用木头覆盖的点数我的固定效应或预测变量是Year(2013,2014,2015) 和Site(High and Low) 来解释重复测量，Year也是Site我的随机效应。或者这实际上应该是Plot（1,2,3,4,5）？

第一种选择是使用 GLMM，因为我既有随机效应也有固定效应；因为我有计数数据，所以我选择了泊松族：

model<-glmer(Number~Year*Treatment+(1|Year:Treatment),data=data,family=poisson)

首先，在同一个模型中可以Year同时Treatment作为固定效应和随机效应吗？我没有包括情节，因为我假设重复测量实际上是 YearL 是正确的吗？其次，如果我的数据不是正态分布的，我应该对其进行日志转换然后运行 ​​GLMM 吗？

还是我应该不对其进行转换，而是使用线性混合效应模型 (LME)？

model1<-lmer(Number~Year*Treatment+(1+Year|Treatment),data=data,REML=FALSE)

对于 LME，我应该规定分配吗？还是自动使用高斯分布（正态分布）？再次，可以Year并且Treatment既是固定效应又是随机效应？

这实际上可能是非线性的吗？