混合エフェクトモデルのnlmeまたはlme4 Rライブラリを選択する方法は？

lme4in を使用して、いくつかの混合効果モデル（特に縦モデル）を適合させましRたが、実際にモデルとそれに伴うコードをマスターしたいと思います。

しかし、両足で飛び込む（そして本を買う）前に、正しい図書館を学んでいることを確認したい。今まで使っlme4てきたのはnlme、それがのより簡単だと思ったからですが、もしnlme自分の目的に合っていれば、それを使うべきだと思います。

どちらも単純な方法で「優れている」とは思いませんが、私はいくつかの意見や考えを大切にしています。私の主な基準は次のとおりです。

1. 使いやすい（私はトレーニングによって心理学者であり、統計やコーディングに特に精通していませんが、学んでいます）
2. 縦断的データを近似するための優れた機能（ここに違いがある場合-しかし、これは私が主にそれらを使用するものです）
3. 良い（解釈しやすい）グラフィカルな要約、ここでも違いがあるかどうかはわかりませんが、私は私よりも技術的ではない人々のためにグラフを作成することが多いので、きれいできれいなプロットは常に良いです（） このために）。

いつものように、この質問があまりにも曖昧ではないことを願っています。どんな知恵にも事前に感謝します！

どちらのパッケージも使用Latticeバックエンドとして、しかし、nlmeのようないくつかの素晴らしい機能を備えていますgroupedData()し、lmList()中に欠けていることlme4（IMO）。ただし、実用的な観点からは、2つの最も重要な基準は次のように思われます。

1. lme4nlme他のリンク関数で拡張しnlmeます。inでは、分布がガウス分布ではない結果を適合させることはできませんlme4。たとえば、混合効果ロジスティック回帰の適合に使用できます。
2. ではnlme、変量効果の分散共分散行列を指定することができます（例：AR（1））; ではできませんlme4。

さて、lme4簡単にランダム効果の非常に膨大な数を扱うことができる（したがって、与えられた研究では個体数）のC部分のおかげとスパースマトリックスの使用。nlmeパッケージには多少取って代わられていますlme4ので、私は人々がの上にアドオン開発に多くの時間を費やして期待しないであろうnlme。個人的には、モデルに継続的な応答がある場合、両方のパッケージを使用する傾向がありますが、lme4GLMMの近似方法に精通しています。

：むしろ本を買うよりも、R-鍛造のダグ・ベイツドラフト帳で最初見てみlme4：Rとの混合効果モデリング。

chlが指摘したように、主な違いは、変量効果に指定できる分散共分散構造の種類です。以下のlme4いずれかを指定できます。

• 対角共分散構造（つまり、のような構文を介して相互に無相関のランダム効果を適用する~ (1 | group)+ (0 + x1 | group) + (0 + x2 | group)）
• または非構造化共分散行列（つまり、すべての相関が推定されます~ (1 + x1 + x2 | group)）
• または部分的に斜めの、部分的に構造化されていない（共分散y ~ (1 + x1 | group) + (0 + x2 | group)あなたがランダム切片とランダムな斜面との間の相関関係を推定だろうx1が、ランダムな斜面との間には相関関係x2とランダム切片とランダムスロープの間x2およびランダムスロープx1）。

nlmeは、変量効果に対してより広範なクラスの共分散構造を提供します。lme4しかし、私の経験では、ほとんどのアプリケーションでは柔軟性が十分です。

私も多くの縦方向のデータの状況のために、より関連している可能性がある能力の第三の違いを追加したい：nlme あなたは残差のための分散共分散構造を指定する（すなわち、空間的または時間的自己相関や不均一や共変量依存変動）しましょうweights（CF引数?varFunc）、lme4ただし、観測の固定された事前の重みのみを許可します。

4番目の違いは、nlme（部分的に）交差したランダム効果を適合させるのが難しい場合があることですが、それはの問題ではありませんlme4。

あなたが固執すればおそらく大丈夫でしょうlme4。

他の人は違いを非常によく要約しています。私の印象では、lme4特に交差ランダム効果を使用する必要がある場合、クラスター化されたデータセットにより適しています。ただし、反復測定の設計（多くの縦断設計を含む）は、残差の相関構造の指定nlmeのみをnlmeサポートするため、ツールです。オブジェクトでcorrelationsor cor引数を使用して実行しcorStructます。また、varFuncオブジェクトを使用して不均一分散をモデル化することもできます。

Rにはlme4、およびを超える混合効果モデルを適合させるためのパッケージが実際にはいくつかありますnlme。混合モデル用のR特別利益グループが運営する素晴らしいwikiがあります。これには、非常に素晴らしいFAQと、異なるパッケージを比較するページがあります。

lme4andの実際の使用に関する私の意見に関しては、基本的なRフォーミュラ構文のかなり直接的な拡張により、一般的に使いやすいことがnlmeわかりましlme4た。（一般化された加法モデルを使用する必要がある場合、gamm4パッケージはこの構文をさらに1ステップ拡張するので、スムーズな学習曲線が得られます。）他の人が述べたように、lme4一般化モデル（他のリンク関数とエラー分布）を処理できますが、nlmeガウスリンク関数に焦点を当てることで、一般的なケースでは非常に難しいことを行うことができます（共分散構造と、p値などの自由度計算に依存する特定のものを指定します。離れて！）。