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。