"cbind(inc, notinc) ~ period + (1 | herd)" や "y ~ x + (1 | g)" のような式です。
データフレームです (列のオブジェクトです)。
Optionaloptions: GlmerOptions
family、link、weights、offset、nAGQ、start、および contrasts と levels ( lmer と同じ。受け付けるキーは GlmerOptions を参照)。
// R: lme4::glmer(y ~ x + (1 | g), data, family = poisson)
const fit = glmer("y ~ x + (1 | g)", {
y: [2, 3, 6, 7, 8, 1, 0, 3, 2, 5, 4, 6, 9, 8, 13, 0, 2, 1, 4, 3],
x: [1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5],
g: ["a", "a", "a", "a", "a", "b", "b", "b", "b", "b", "c", "c", "c", "c", "c", "d", "d", "d", "d", "d"],
}, { family: "poisson" });
fit.fixef; // [0.2512, 0.3242]
fit.coefTable.stdError; // [0.4183, 0.08098]
fit.varCorr[0].sd; // [0.5423]
fit.ranef[0].values; // [[0.2840], [-0.4170], [0.6920], [-0.4819]]
fit.logLik; // -39.392
Laplace 近似 (
nAGQ = 1、既定)、適応的 Gauss-Hermite 求積 (nAGQは 2 から 100)、または (nAGQ = 0) 罰則付き IRLS による固定効果で、一般化線形混合モデルを当てはめます。R のlme4::glmer()と同等です。メソッドに対応する量として、次を持ちます:fixef()、coef(summary())(p 値なし)、vcov()、sigma()、VarCorr()、ranef()、fitted()、predict()、4 種類のresiduals()、deviance()、logLik()、AIC()、BIC()、isSingular()。族は binomial、poisson、Gamma、inverse.gaussian、gaussian です (gaussian は恒等リンクのものを除きます。それは lmer の対象です)。リンクは glm のもので、lme4 独自の逆リンクと分散関数も使います。式は lmer と同じです。二項分布の応答は、0/1 の値、真偽値、文字列、または因子 (第 1 水準が失敗) です。比率は、試行の数を
weightsとして与えます。または、左辺に 2 つの列名を書いたcbind(successes, failures)を与えます。推定値は、変量効果の厳密な条件付きモードで計算した Laplace 逸脱度の、厳密な最小化点です (lme4 の最適化と罰則付き IRLS は途中で止まるため、lme4 の値は通常、4 から 6 桁目の有効数字が異なり、標準誤差は約 1% まで異なることがあります)。境界上の θ の要素は厳密に 0 になり、そのとき当てはめは特異になります。lme4 の最適化や収束判定についての警告は出しません。
応答の尺度について: lme4 の Laplace 基準は分散を含まないため、poisson、inverse.gaussian、gaussian の族では、応答 (または事前の重み) の尺度に対して不変ではありません。開始時点での変量効果の情報、すなわち Z の列の Σ W z² (W は開始時点の平均での作業用の重み) が 2^40 より大きい場合 (そのとき罰則付きの系は 53 ビットのうち約 40 ビットを失います)、または 2^-40 より小さく、かつ当てはめが失敗するか、丸め誤差の範囲で平坦な基準上でいずれかの項が θ = 0 で終わる場合は、その旨を述べた RangeError になります。下の例と同様のデータでは、poisson の度数は約 1e11 まで (事前の重みは約 2^34 まで)、log リンクの inverse.gaussian は約 1e13 まで、log リンクの gaussian は約 1e-6 から 5e4 までなら当てはまります。それを超えると RangeError になります。Gamma の当てはめは、応答の尺度では制限されません (その基準は不変です。log リンクのときは、極端に小さい応答を再尺度化します)。
適応的 Gauss-Hermite 求積 (
nAGQ > 1) には、(1 | g)のような 1 つのスカラーの変量効果の項が必要です。それ以外の場合は、R と同じくエラーになります。対象は binomial と poisson だけです。Gamma、inverse.gaussian、gaussian では RangeError になります。lme4 はそこで分散を 1 に固定するため、その推定値は最尤推定値になりません。そのlogLik、AIC、BICは対数尤度によるものです。R の値は、nAGQ > 1 のとき飽和モデルの定数 (aic − Σdeviance residuals) を除くため、R とはその定数の分だけ異なります。そのため、Laplace の当てはめと比較できます。