lme4语法下逐步回归混合效应模型构建及实验适配性咨询

我正尝试使用lme4语法搭建用于逐步回归（向后选择法）的最大化模型，这是我首次进行相关操作，恳请各位提供帮助。

实验设计背景 #

我目前在做一项语言学研究，在6个不同地区开展了心理语言学实验：

• 地区变量为VARIETY，共6个水平：U、V、W、X、Y、Z
• 核心测试变量为两个二分类语言学变量FEATURE_A和FEATURE_B，水平均为TRUE/FALSE，二者采用交叉设计，共4种组合：A(TRUE)+B(TRUE)、A(TRUE)+B(FALSE)、A(FALSE)+B(TRUE)、A(FALSE)+B(FALSE)
• 每种变量组合采用2种不同的词汇化方式测试，最终得到8个测试项，变量为ITEM，水平为S1~S8
• 实验采用拉丁方设计，8个ITEM被分配到4个材料集中，材料集变量为MS，共4个水平：MS1~MS4
• 因变量为被试SUBJECT的评分，已标准化为z分数，变量为Z_SCORE

实验目的 #

1. 探究句法变量A和B不同组合的效应
2. 验证是否存在地区变体特异性效应

模型问题 #

根据我目前的了解，混合模型的固定效应应为VARIETY、FEATURE_A和FEATURE_B，随机效应为SUBJECT、ITEM和MS。结合已阅读的文献，我初步编写的最大化模型lme4语法如下：

Z_SCORE ~ VARIETY * FEATURE_A * FEATURE_B + (1|SUBJECT) + (1|ITEM) + (1|MS)

我已经在R中完成了逐步回归，输出结果看起来正常，但我不确定该lme4公式是否能很好地匹配实验设计，尤其不确定ITEM和MS之间的关系是否被正确纳入模型，非常欢迎各位提供指导或建议。

可复现数据集示例 #

以下是我构造的数据集样例代码：

SUBJECT <- c("SUBJ_001", "SUBJ_002", "SUBJ_003", "SUBJ_004","SUBJ_005", "SUBJ_006", "SUBJ_007", "SUBJ_008","SUBJ_009", "SUBJ_010", "SUBJ_011", "SUBJ_012","SUBJ_013", "SUBJ_014", "SUBJ_015", "SUBJ_016","SUBJ_017", "SUBJ_018", "SUBJ_019", "SUBJ_020","SUBJ_021", "SUBJ_022", "SUBJ_023", "SUBJ_024")
SUBJECT <- rep(SUBJECT, each = 8)

VARIETY <- LETTERS[1:6]
VARIETY <- rep(VARIETY, each = 32)

FEATURE_A <- c("TRUE", "TRUE", "FALSE", "FALSE")
FEATURE_A <- rep(FEATURE_A, 48)

FEATURE_B <- c("TRUE", "FALSE")
FEATURE_B <- rep(FEATURE_B, 96)

MS1 <- c("S1", "S2", "S3", "S4","S5", "S6", "S7", "S8")
MS2 <- c("S2", "S3", "S4", "S1","S6", "S7", "S8", "S5")
MS3 <- c("S3", "S4", "S1", "S2","S7", "S8", "S5", "S6")
MS4 <- c("S4", "S1", "S2", "S3","S8", "S5", "S6", "S7")
ITEM <- c(MS1, MS2, MS3, MS4)
ITEM <- rep(ITEM, 6)

MS <- c("MS1", "MS2", "MS3", "MS4")
MS <- rep(MS, each = 8)
MS <- rep(MS, 6)

set.seed(321)
Z_SCORE <- rnorm(192, sd = 1)

df <- data.frame(SUBJECT, VARIETY, FEATURE_A, FEATURE_B, ITEM, MS, Z_SCORE)
df

内容的提问来源于stack exchange，提问作者Jake