阅读线性混合模型 (LMM) 文献我知道使用 REML 拟合模型比通过 ML 拟合提供更好的方差参数估计。但是，我们不应该比较具有不同固定效应的装有 REML 的嵌套模型。

最近，我一直在通过R 的nlmegls()包中的函数使用 GLS 拟合一些模型。该函数的默认拟合方法是 REML。LMM 的 REML 与 ML 的相同原则是否也适用于 GLS？

具体来说，我正在拟合具有和不具有线性趋势的模型，并在残差中具有相关结构：

m1 <- gls(Response ~ Time, data = foo, correlation = corAR1(form ~ Time))
m0 <- gls(Response ~ 1, data = foo, correlation = corAR1(form ~ Time))

在上面，我应该使用 ML 拟合模型，因为它们具有不同的固定效果。这个对吗？

其次，考虑两个相关结构不同的 GLS 模型：

m1 <- gls(Response ~ Time, data = foo, correlation = corARMA(form ~ Time, p = 1))
m2 <- gls(Response ~ Time, data = foo, correlation = corARMA(form ~ Time, p = 2))

理想情况下应该在这里使用什么拟合方法？REML 还是 ML？在这里，我的直觉会说通过 REML 拟合，因为我们正在估计（协）方差参数。我的直觉是正确的还是我把这一切都搞混了？