R 中的线性混合效应 model 残差分析

Question

我正在尝试为我收集的调查数据估计线性混合效应 model。 数据集主要包含分类变量（序数和名义），响应变量也是分类变量（1-5 分）。 但是在我使用的 model 中，它没有设置为一个因素，而是一个数字。 受访者被要求仅根据包装对产品特性（例如风味、外观和健康度）进行评分。

我估计了一个 model 基于包装类型（4 个级别：隐式提示、显式提示、两者或无）和受访者行为（2 个级别：参与与不参与）预测风味（得分 1-5）。 考虑到几个控制变量，例如 AGE GROUP、EDUCATION LEVEL、SEX 和 SHOPPING HABIT（都是分类变量）。 此外，我还包括了 2 个随机效应以及 RESPONDENT（476 名受访者）和 PRODUCT（6 种不同的产品）：

model <- lmer(风味 ~ 行为 + 包装类型 + 教育水平 + 年龄组 + 性别 + 购物习惯 + (1|受访者) + (1|产品), 数据=df)

我知道我应该执行多项回归，而不仅仅是线性回归，但这是我的论文发起人要求我做的......这些影响中只有少数是显着的，我想在此过程中进行调整，但是当我查看残差时vs 拟合 plot，残差排列成 5 行。 我认为这与响应变量 FLAVOR 的 5 个级别有关，但我不知道为什么，也没有在任何网站或论坛上找到解决方案。 我尝试了响应变量的倒数或对数变换，但没有成功。

如果有人可以帮助我解释这些结果或提出更好的行动方案，我将非常感激。

残差与拟合值 plot