Logit回归：Glamer vs Bife

Question

我正在处理面板数据集，并尝试运行具有固定效果的logit回归。

我发现，来自lme4软件包和bife软件包的glmer模型适用于此类工作。

但是，当我对每个模型进行回归分析时，我没有相同的结果（估计值，标准误差等）

以下是带有截距的glmer模型的代码和结果：

[{'a': 1,
  'b': 'string',
  'c': [{'key1': 324,
         'key2': 'string',
         'key3': 4034,
         'key4': 1}]},
 {'a': 1,
  'b': 'string',
  'c': [{'key1': 324,
         'key2': 'string',
         'key3': 4034,
         'key4': 1,
         'key5': 2}]}]

没有拦截：

glmer_1 <- glmer(CVC_dummy~at_log + (1|year), data=own, family=binomial(link="logit"))
summary(glmer_1)

             Estimate  Std. Error  zvalue  Pr(>|z|)    
(Intercept) -6.43327    0.09635   -66.77   <2e-16 ***
at_log       0.46335    0.01101    42.09   <2e-16 ***

并带有bife包：

glmer_2 <- glmer(CVC_dummy~at_log + (1|year)-1, data=own, family=binomial(link="logit"))
summary(glmer_2)

        Estimate  Std.Error  z value  Pr(>|z|)    
at_log  0.46554    0.01099   42.36   <2e-16 ***

两个软件包之间为什么at_log的估计系数不同？

我应该使用哪个包装？