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

glmer和glmmPQL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 links或the comments on this page。