混合效应/LMER 模型的聚类稳健标准误？

Question

我正在使用模拟数据估计混合效应模型。其基础是联合实验：研究中有 N 个国家和 P 个参与者，每个受访者都会看到该实验两次。这意味着有 NxPx2 个观测值。国家层面的数据中引入了异质性，因此我运行了一个混合效应模型，使用lmer随国家/地区而异的随机效应来解释这种差异。然而，由于每个受访者都会进行两次实验，因此我还想在个人层面上对我的标准误差进行聚类。我的数据和模型看起来像这样：

library(lme4)
data(iris)
 # generating IDs for observations
iris <- iris %>% mutate(id = rep(1:(n()/2), each = 2))
#run model
mod <- lmer(Sepal.Length~Sepal.Width+Petal.Length+Petal.Width + (Sepal.Width+Petal.Length+Petal.Width || Species), data=iris, REML = F, control = lmerControl(optimizer = 'bobyqa'))

然后我尝试使用该包获取集群 SE parameters：

library(parameters)
param <- model_parameters(
  mod,
  robust = TRUE,
  vcov_estimation = "CR",
  vcov_type = "CR1",
  vcov_args = list(cluster = iris$id)
)

这会返回一个错误：

Error in vcovCR.lmerMod(obj = new("lmerModLmerTest", vcov_varpar = c(0.00740122363004, : Non-nested random effects detected. clubSandwich methods are not available for such models.

我不拘泥于任何一种方法或任何东西。我只想返回此类模型规范的集群 SE。截至目前，我找不到任何执行此操作的软件包。有谁知道如何做到这一点，或者这样的模型是否有意义？我是传销新手，但我在想，如果我将其作为一个简单的线性模型来运行，我会lm_robust按个人进行聚类，所以对我来说，我也应该在这里做同样的事情，这是有意义的。