我估计了一个非线性指数$f(t)=\alpha-(\alpha-\beta)*\exp(-\gamma*t)$中的随机效应模型R。我使用相同的数据集估计了相同的模型形式，但nlme()来自nlme库和nlmer()库lme4。

nlme与以下相比，固定效应估计值非常相似nlmer：

名词：

Fixed effects: alpha + beta + gamma ~ 1 
          Value Std.Error   DF  t-value p-value
alpha 29.508227 0.4166492 3498 70.82272       0
beta   5.082116 0.1584696 3498 32.06998       0
gamma  0.313008 0.0070209 3498 44.58244       0

纳尔默：

Fixed effects:
      Estimate Std. Error t value
alpha  30.0432     0.5432   55.31
beta    4.9541     0.2110   23.47
gamma   0.2551     0.0135   18.90

但是，随机效应估计及其相关矩阵是不同的。这是一个一致的发现。它也适用于其他非线性函数和其他数据。参见例如 alpha 和 gamma 之间的相关性。差异之大也令人惊讶nlmer——它们实际上似乎太大了

名词：

> VarCorr(model)
Subject = pdLogChol(list(alpha ~ 1,beta ~ 1,gamma ~ 1)) 
         Variance    StdDev   Corr         
alpha    42.19955753 6.496119 alpha  beta  
beta      4.84969745 2.202203  0.494       
gamma     0.01055961 0.102760 -0.643  0.202
Residual  1.94836594 1.395839 

纳尔默：

Random effects:
 Groups   Name  Variance  Std.Dev. Corr          
 Subject  alpha 72.551249 8.51770                
          beta   9.840010 3.13688   0.458        
          gamma  0.043274 0.20802  -0.195  0.142 
 Residual        1.716048 1.30998                
Number of obs: 3750, groups: Subject, 250

这里有什么问题？为什么方差nlmer几乎是解决方案中给出的方差的两倍nlme？