R:GLMM glmer vs glmmPQL

c3frrgcw  于 2023-04-27  发布在  其他
关注(0)|答案(2)|浏览(233)

glmmPQL中多重随机效应的语法是什么?
使用glmer,我的代码看起来像这样:

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?
我试着:

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

但它给出一个错误。
glmerglmmPQL有什么区别?

vdgimpew

vdgimpew1#

根据您提供的示例,带有glmmPQL的模型将被指定为:

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

AFAIK,glmer之间的主要区别(由软件包lme4提供)和glmmPQL(其依赖于来自nlme包的函数lme)的缺点是,在nlme中使用的参数估计算法不是针对处理交叉随机效应而优化的,交叉随机效应与稀疏设计矩阵相关联,而lme4利用了这种结构;参见例如平埃罗和Bates,“Mixed-EffectsModels inS and S-PLUS”,Springer,2000,pp.163。
https://stats.stackexchange.com/questions/64226/lme-and-lmer-comparisonhttps://stat.ethz.ch/pipermail/r-help/2006-October/115572.html

wztqucjr

wztqucjr2#

glmerglmmPQL有什么区别?
要添加到tguzella answer,则glmmPQL使用具有一些已知偏差问题的PQL,而glmer使用拉普拉斯近似或高斯-厄米特求积,这是更好的近似。请参阅Ben Bolker的评论和其中引用的论文。这可能是glmmPQL的主要缺点,具体取决于您估计的模型和您拥有的数据(例如,在某些情况下,对于大型集群来说并不坏)。
然而,glmer函数不能适合某些类型的相关结构。例如,参见上述答案中的the linksthe comments on this page

相关问题