GLMM glmer与glmmPQL的比较

Question

glmmPQL中用于多个随机效应的语法是什么？

在glmer中，我的代码看起来像：

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

如何使用glmmPQL重写完全相同的内容？

我尝试了：

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

但是它会出现错误。

glmer和glmmPQL之间的主要区别是什么？

- Liza

Answer 1

根据您提供的示例，使用glmmPQL模型的规范如下：

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

据我所知，glmer是包lme4提供的功能，而glmmPQL则依赖于函数lme（来自nlme包），两者的主要区别在于nlme中使用的参数估计算法并不针对具有交叉随机效应的稀疏设计矩阵进行优化，同时lme4利用了这种结构；请参见，例如，Pinheiro和Bates的书《S和S-PLUS混合效应模型》（Springer，2000年，第163页）。关于lmer/glmer和lme之间的差异的更多参考资料如下：https://stats.stackexchange.com/questions/64226/lme-and-lmer-comparisonhttps://stat.ethz.ch/pipermail/r-help/2006-October/115572.html

- tguzella

Answer 2

那么glmer和glmmPQL之间的主要区别是什么？

除了tguzella answer所说的，glmmPQL使用PQL，存在一些已知的偏差问题，而glmer使用拉普拉斯近似或高斯-埃尔米特积分，这些方法更好。请参见Ben Bolker在此处的评论以及其中引用的论文。这可能是glmmPQL的一个重大缺点，具体取决于您估计的模型和数据（例如，在某些情况下，对于大集群并不糟糕）。

glmer函数无法拟合某些类型的相关结构。例如，请参见上述答案中的链接或此页面上的评论。

- Benjamin Christoffersen