Общая ошибка, которую я вижу, - игнорирование дисперсии случайных эффектов. Если оно велико по сравнению с остаточной дисперсией или дисперсией зависимой переменной, подбор обычно выглядит хорошо, но только потому, что случайные эффекты учитывают всю дисперсию. Но поскольку график фактического и прогнозируемого выглядит хорошо, вы склонны думать, что ваша модель хороша.
Все разваливается, когда такая модель используется для прогнозирования новых данных. Обычно тогда вы можете использовать только фиксированные эффекты, и подгонка может быть очень плохой.