如何为混合效果模型选择nlme或lme4 R库？

我使用lme4in 拟合了一些混合效果模型（尤其是纵向模型），R但希望真正掌握这些模型以及它们附带的代码。

但是，在双脚潜水（并购买一些书籍）之前，我想确保自己正在学习正确的图书馆。到目前为止，我已经用完lme4了，因为我发现它比容易得多nlme，但是如果nlme对我的目的更好，那么我应该使用它。

我敢肯定，两者都不是简单化的“更好”，但我会重视一些意见或想法。我的主要标准是：

1. 易于使用（我是一名受过训练的心理学家，并不精通统计学或编码，但我正在学习）
2. 拟合纵向数据的好功能（如果这里有区别，但这是我主要使用它们的目的）
3. 好的（易于解释的）图形摘要，再次不确定这里是否有区别，但是我经常为技术水平不高的人制作图形，因此漂亮的清晰图总是很好的（我非常喜欢网格中的xyplot函数（） 为此原因）。

和往常一样，希望这个问题不要太含糊，并在此先感谢您的智慧！

这两个软件包都Lattice用作后端，但是nlme具有（IMO）中缺少的groupedData()和的一些不错的功能。从实践的角度来看，两个最重要的标准似乎是：lmList()lme4

1. lme4nlme与其他链接函数一起扩展：在中nlme，您不能拟合非高斯分布的结果，例如，lme4可用于拟合混合效应逻辑回归。
2. 在中nlme，可以为随机效应指定方差-协方差矩阵（例如，AR（1））；这是不可能的lme4。

现在，lme4由于其C部分和稀疏矩阵的使用，可以轻松处理非常大量的随机效应（因此，在给定研究中的个体数）。该nlme软件包已被取代，lme4因此我不会期望人们花费大量时间在之上开发附件nlme。就个人而言，当我对模型进行连续响应时，我倾向于同时使用两个软件包，但是现在我精通lme4于拟合GLMM的方法。

与其买书，不如先看看Doug Bates关于R- forge的草稿：lme4：使用R进行混合效果建模。

正如chl所指出的，主要区别在于您可以为随机效应指定哪种方差-协方差结构。在其中lme4可以指定：

• 对角协方差结构（即，通过语法强制相互不相关的随机效应~ (1 | group)+ (0 + x1 | group) + (0 + x2 | group)）
• 或非结构化协方差矩阵（即，所有相关都已估算~ (1 + x1 + x2 | group)）
• 或部分对角的，部分的非结构化协方差（y ~ (1 + x1 | group) + (0 + x2 | group)，在这里将估计随机截距和斜率随机之间的相关性x1，但对于随机斜率之间没有相关性x2和随机截距和用于随机斜率之间x2和随机斜率x1）。

nlme为随机效应提供了更为广泛的协方差结构。我的经验是，lme4对于大多数应用程序来说，的灵活性已足够。

我还要在功能上添加第三个差异，这可能与许多纵向数据情况更相关：nlme 让我们为weights参数（参见?varFunc），而lme4只允许使用固定的先验权重进行观测。

第四个区别是，很难nlme（部分）适应交叉随机效应，但这在中不是问题lme4。

如果坚持下去，您可能会没事的lme4。

其他人则很好地总结了差异。我的印象是，lme4它更适合于群集数据集，尤其是当您需要使用交叉随机效果时。但是，对于重复测量设计（包括许多纵向设计），nlme该工具是唯一的，因为它仅nlme支持指定残差的相关结构。您可以对一个对象使用correlationsor cor参数corStruct。它还允许您使用varFunc对象对异方差建模。

实际上，R中有许多软件包可用于拟合超出lme4和的混合效果模型nlme。R特别兴趣小组为混合模型提供了一个不错的Wiki，它有一个很好的FAQ和比较不同软件包的页面。

至于我对实际使用lme4and的看法，nlme我发现lme4它通常更容易使用，因为它是对基本R公式语法的直接扩展。（如果您需要使用广义加性模型，则该gamm4包将这一语法进一步扩展，因此您将获得一个平滑的学习曲线。）正如其他人所述，lme4可以处理广义模型（其他链接函数和错误分布），而nlme着重于高斯链接函数，它可以执行一些通常情况下非常困难的事情（指定协方差结构和某些依赖于自由度计算的事情，例如p值，我鼓励您移动后者）远离！）。