vglmer公司：变分广义线性混合效应回归

使用中描述的变分算法戈普勒鲁（2022a）和中戈普勒鲁（2022b）。它还提供了改进初始使用边际增广变分贝叶斯（MAVB）的近似如Goplerud（2022a）所述。它可以从CRAN或可以使用安装most-to-update版本开发工具.

#CRAN（起重机）install.packages（“vglmer”）#最新GitHub版本库（devtools）devtools:：install_github（“mgoplerud/vglmer”，依赖项=TRUE）

目前，它可以拟合logistic、线性和负二项式具有任意数量随机效应的结果。有关负片的详细信息可以找到二项式推理在这里目前更具实验性。

此软件包接受以下格式的“标准”glmer语法：

vglmer（公式=y~x+（x|g），数据=数据，族=‘二项式’）

样条曲线可以使用vs（x），类似于中的功能mgcv公司，尽管数量更少选项。

vglmer（公式=y~vs（x）+（x|g），数据=数据，族=‘二项式’）

许多标准方法来自lme4公司工作，例如固定（fixef）,系数,真空断路器,拉涅夫,预测.使用format_vglmer格式将所有参数解析为单个data.frame。估计可以是通过众多参数控制控制使用vglmer_control（vglmer_控制）。目前，方案I、II和IIIGoplerud（2022a）对应坚强的,部分、和虚弱的。默认值为坚强的对应最强（最差）近似值。如果参数的方差是感兴趣的，那么虚弱的将返回更好的结果。

请在GitHub上提出您有任何顾虑的问题。