vglmer:变分广义线性混合效应回归 使用中描述的变分算法估计非线性分层模型的软件包戈普勒鲁(2022)和中戈普勒鲁(2023)它还提供了使用边际增广变分贝叶斯(MAVB)改进初始近似值的选项戈普勒鲁(2022)。它可以从CRAN安装,也可以使用安装最新版本开发工具. #CRAN(起重机)install.packages(“vglmer”)#最新GitHub版本库(devtools)devtools::install_github(“mgoplerud/vglmer”,依赖项=TRUE) 如果您有兴趣使用部分因式分解变分推理(Goplerud、Papaspiliopoulos和Zanella 2023),请切换到坍塌的分支并安装该版本的软件包。这个主要分支有一些重要的区别,特别是在一些方面vglmer_control(vglmer_控制)命名约定。 目前,vglmer公司可以用任意数量的随机效应拟合logistic、线性和负二项式结果。可以找到有关负二项式推断的详细信息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,尽管选项更少。 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。可以通过以下众多参数来控制估算控制使用vglmer_control(vglmer_控制)目前,Goplerud(2022)的方案一、二和三对应于坚强的,部分、和虚弱的。默认值为坚强的对应于最强(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。