R：GLMM glmer vs glmmPQL

Question

多个随机效应的glmmPQL语法是什么？

使用glmer我的代码如下：

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

如何使用glmmPQL重写相同的内容？

我在尝试：

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

但它会出错。

glmer和glmmPQL之间的主要区别是什么？

Answer 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，来自{{1}的glmer（由包lme4提供）与glmmPQL（依赖于函数lme}之间的主要区别} pacakge）nlme中使用的参数估计算法没有针对交叉随机效应进行优化，交叉随机效应与稀疏设计矩阵相关，而nlme利用了这种结构;参见，例如，Pinheiro＆amp;贝茨，“S和S-PLUS中的混合效应模型”，Springer，2000年，第163页。lme4和lmer/glmer之间的差异的进一步参考是通常的：

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

Answer 2

  

glmer和glmmPQL之间的主要区别是什么？

要添加到tguzella answer中，则glmmPQL使用PQL，它具有一些已知的偏差问题，而glmer使用更好的近似Laplace近似或Gauss-Hermite正交。参见the comments here by Ben Bolker及其中引用的论文。根据您估计的模型，这可能是glmmPQL的主要缺点。

但是glmer函数不能适合某些类型的相关结构。参见上述答案中的the links或the comments on this page。