Кусочная модель HLM с использованием пакета nlme в R

Question

У меня есть два интересных периода времени и четыре точки наблюдения (0 месяцев, 4 месяца, 12 месяцев, 16 месяцев) для моих предметов. Первый интересующий период времени находится между наблюдением 1 и наблюдением 3. Второй интересующий период времени находится между наблюдением 3 и наблюдением 4.

Я хотел бы запустить HLM для учета корреляции наблюдений по тому же вопросу. Я вставил некоторые примеры данных, а также мой код и вывод ниже.

Когда я сравниваю результаты модели с реальными, они очень похожи в этом случае. Однако, когда я использую свой фактический набор данных, они менее похожи. Что это значит? Можете ли вы сказать мне, правильно ли я закодировал время? Моя цель - сравнить эффект лечения в течение периода времени 1 с эффектом лечения в течение периода времени 2. Спасибо!

library(nlme)

#Run Model and Get Output
model=lme(Response~Time1*Treatment+Time2*Treatment,
       random=~Time1+Time2|Subject,data=test,control=list(opt="optim"))

 round(summary(model)$tTable,dig=3)

# Output

              Value Std.Error DF t-value p-value
(Intercept)     172.357     2.390 41  72.110   0.000
Time1             0.464     0.062 41   7.496   0.000
Treatment       -10.786     3.499 13  -3.083   0.009
Time2            -0.795     0.130 41  -6.113   0.000
Time1:Treatment  -0.089     0.091 41  -0.985   0.331
Treatment:Time2   0.563     0.190 41   2.956   0.005

# Means by Treatment and Time vs. Model

mean(test$Response[test$Treatment==1 & test$Observation==1])
[1] 161.1429
#model
172.357-10.786
[1] 161.571

mean(test$Response[test$Treatment==0 & test$Observation==1])
[1] 171.75
#model
[1] 172.357

Пример данных, используемых для этого вывода:

     Subject  Treatment  Observation  Time  Time2  Response

            1   0   1   0   0   170
            1   0   2   4   0   175
            1   0   3   12  0   177
            1   0   4   12  4   173
            2   1   1   0   0   160
            2   1   2   4   0   162
            2   1   3   12  0   165
            2   1   4   12  4   165
            3   0   1   0   0   172
            3   0   2   4   0   177
            3   0   3   12  0   180
            3   0   4   12  4   175
            4   1   1   0   0   162
            4   1   2   4   0   166
            4   1   3   12  0   168
            4   1   4   12  4   167
            5   1   1   0   0   163
            5   1   2   4   0   167
            5   1   3   12  0   169
            5   1   4   12  4   167
            6   0   1   0   0   179
            6   0   2   4   0   182
            6   0   3   12  0   184
            6   0   4   12  4   180
            7   0   1   0   0   155
            7   0   2   4   0   158
            7   0   3   12  0   160
            7   0   4   12  4   157
            8   1   1   0   0   152
            8   1   2   4   0   155
            8   1   3   12  0   157
            8   1   4   12  4   157
            9   0   1   0   0   170
            9   0   2   4   0   174
            9   0   3   12  0   179
            9   0   4   12  4   177
            10  1   1   0   0   162
            10  1   2   4   0   164
            10  1   3   12  0   165
            10  1   4   12  4   165
            11  1   1   0   0   164
            11  1   2   4   0   165
            11  1   3   12  0   168
            11  1   4   12  4   167
            12  0   1   0   0   174
            12  0   2   4   0   175
            12  0   3   12  0   176
            12  0   4   12  4   175
            13  0   1   0   0   184
            13  0   2   4   0   185
            13  0   3   12  0   186
            13  0   4   12  4   184
            14  1   1   0   0   165
            14  1   2   4   0   167
            14  1   3   12  0   169
            14  1   4   12  4   168
            15  0   1   0   0   170
            15  0   2   4   0   175
            15  0   3   12  0   179
            15  0   4   12  4   177

Благодарю.