我正在尝试用二元结果拟合混合效果模型。我有一个固定效果（偏移）和一个随机效果（房间，每个房间都有多个数据点）。

在教科书“The R Book”（2007 年）第 604 页中，Crawley 建议使用带有二项式家族的 lmer 函数来分析二项式数据，其中每个参与者贡献多个响应（类似于我的每个房间贡献多个结果） . 基于此示例，我为我的数据使用了以下脚本：

    ball=lmer(Buried~Offset+(1|Chamber), family=binomial, data=ballData)

当我运行这个模型时，我收到了这个警告：

    calling lmer with 'family' is deprecated; please use glmer() instead

当我将代码更改为以下内容时，该模型有效：

    ball=glmer(Buried~Offset+(1|Chamber), family=binomial, data=ballData)

根据我在 Cross Validated 上阅读的其他问题/答案，lmer 应仅用于结果呈正态分布的数据，而 glmer 是用于二项式结果的正确函数。我的问题是：

1）谁能澄清克劳利的建议与 lmer 对我不起作用这一事实之间的差异（根据我在 CVed 上阅读的内容，是否建议将此函数用于二项式数据）

2) glmer 确实是用于对具有随机因素的二项式结果进行建模的正确函数吗？

3）假设 glmer 是正确使用的函数，我想比较一个有和没有随机效应的模型，以确定包括随机效应是否会提高模型的拟合度。我知道 glmer 通过最大似然估计模型参数。对于使用最大似然的二元结果，我可以使用什么函数来创建一个没有随机效应的模型？我在玩 glm 但是这个函数的帮助文件指出估计方法是迭代重新加权最小二乘法（这超出了我的范围，但它不是 ML ......）