glmer是否自动聚类个体层面标准误？随机截距能否控制个体内变异？

1. 是否需要手动聚类标准误？ #

不需要。glmer在加入(1|ResponseID)这类随机截距项后，已经通过混合效应模型的结构处理了同一参与者内观测的相关性——它会把个体层面的变异单独建模，估计出的标准误已经考虑了组内非独立性。如果再手动用聚类标准误（比如sandwich包的方法），反而会重复调整，可能导致标准误估计偏误。

2. 随机截距能否解决个体内变异问题？ #

可以。你添加的(1|ResponseID)就是专门处理个体内变异的：它允许每个参与者有自己的截距项，把「不同参与者之间的差异」和「同一参与者18次决策的个体内变异」分开估计，本质上控制了个体观测的非独立性，避免因同一人多次重复测量导致的标准误低估。

3. 残差不符合正态分布的原因及说明 #

首先要明确：你用的是二项分布的logistic混合模型，这类模型的残差本身就不服从正态分布——逻辑回归的因变量sharing是0/1二分类变量，残差自然服从二项分布，这是模型的固有属性，不用为此担心。
如果仍怀疑拟合问题，可排查以下方向：

• 模型设定是否遗漏关键变量，或交互项iv_realf*condf的设定不符合数据规律；
• 数据中是否存在异常观测（比如某参与者的决策模式与其他人差异极大）；
• 仅加随机截距是否足够，若iv_realf或condf对sharing的影响在个体间存在差异，可尝试加入随机斜率（比如(1+iv_realf|ResponseID)）。

内容的提问来源于stack exchange，提问作者taboulet