R：GLMM glmer vs glmmPQL答案

【问题标题】：R: GLMM glmer vs glmmPQLR：GLMM glmer vs glmmPQL
【发布时间】：2015-08-16 18:11:22
【问题描述】：

glmmPQL 中多个随机效果的语法是什么？

使用glmer 我的代码如下所示：

fit<- glmer(A~B+C+ (1 | D)+ (1 | E), family = gaussian, data=data)

如何使用glmmPQL 重写相同的东西？

我在尝试：

fit<- glmmPQL(A~B+C, random=c (~1 | D, ~1 | E), family = gaussian, data=data)

但它给出了一个错误。

glmer 和 glmmPQL 之间的主要区别是什么？

【问题讨论】：

标签： r glm lme4

【解决方案1】：

根据您提供的示例，glmmPQL 的模型将指定为：

fit <- glmmPQL(A ~ B + C, random = list(D = ~1, E = ~1), family = gaussian, data = data)

AFAIK，glmer（由包lme4提供）和glmmPQL（依赖于函数lme，来自nlme pacakge）之间的主要区别在于使用的参数估计算法在nlme 中没有针对与稀疏设计矩阵相关联的交叉随机效应进行优化，而lme4 则利用了这种结构；参见，例如，Pinheiro & Bates，“S 和 S-PLUS 中的混合效果模型”，Springer，2000，第 163 页。关于lmer/glmer 和lme 之间差异的进一步参考通常是：

https://stats.stackexchange.com/questions/64226/lme-and-lmer-comparison https://stat.ethz.ch/pipermail/r-help/2006-October/115572.html

【讨论】：

【解决方案2】：

glmer 和 glmmPQL 之间的主要区别是什么？

添加到tguzella answer 然后glmmPQL 使用PQL，它有一些已知的偏差问题，而glmer 使用拉普拉斯近似或高斯-厄米正交，这是更好的近似。请参阅the comments here by Ben Bolker 和其中引用的论文。这可能是glmmPQL 的主要缺点，具体取决于您估计的模型。

但是，glmer 函数不适合某些类型的相关结构。参见例如上述答案中的the links 或the comments on this page。

【讨论】：