使用 lme4 或 lmertest 包研究随机效应的策略？

Question

我有一个训练数据集（95 840 行）：

str(train)
$ NUM_DEVICE_ID_COUPON       : Factor w/ 9 levels "8647","8666",..: 3 4 5 8 9 1 2 3 4 6 ...
$ TEMPERATURE_AIR            : num  6.29 6.13 6 7.05 8.16 ...
$ MonthNumber                : Factor w/ 12 levels "1","2","3","4",..: 10 10 10 10 10 10 10 10 
$ HOURS                      : Factor w/ 24 levels "0","1","2","3",..: 7 7 7 7 7 8 8 8 8 8 ...
$ TEMPERATURE_COUPON         : num  5.1 6.6 4.5 5.4 4.7 ...

感谢线性模型，

lm(TEMPERATURE_COUPON ~ TEMPERATURE_AIR * MonthNumber * HOURS, ...)

通过上述交互获得了最佳模型（基于 BIC）。

所以现在我想通过研究 NUM_DEVICE_ID_COUPON 的随机效应来改进我的最佳模型（减少 BIC）。

首先，从先前交互的固定效应开始是个好主意吗？

但我不知道研究哪些随机效应：对于截距，对于每个单独的协变量 TEMPERATURE_AIR、MonthNumber 和 HOURS？ NUM_DEVICE_ID_COUPON 函数中每个协变量的绘图对我有帮助吗？

library(lme4)
reg_ml1 = lmer(TEMPERATURE_COUPON ~ TEMPERATURE_AIR * MonthNumber * HOURS + 
(1 + TEMPERATURE_AIR | NUM_DEVICE_ID_COUPON) + ( 1 + TEMPERATURE_AIR | NUM_DEVICE_ID_COUPON) + ....)

策略是什么？

感谢您的帮助。