我已经拟合了一些使用lme4in的混合效果模型（尤其是纵向模型），R但我想真正掌握模型和与之相关的代码。
但是，在双脚潜入（并购买一些书籍）之前，我想确定我正在学习正确的图书馆。到目前为止我已经使用lme4了，因为我发现它比 更容易nlme，但如果nlme对我的目的更好，那么我觉得我应该使用它。
我确信两者都不是以简单的方式“更好”，但我会重视一些意见或想法。我的主要标准是：
这两个包都Lattice用作后端，但nlme有一些很好的特性，比如groupedData()( IMO)lmList()所缺少的。lme4然而，从实践的角度来看，两个最重要的标准似乎
lme4nlme与其他链接函数一起扩展：在 中nlme，您无法拟合分布不是高斯分布的结果，lme4例如，可用于拟合混合效应逻辑回归。nlme，可以为随机效应指定方差-协方差矩阵（例如 AR(1)）；这是不可能的lme4。现在，lme4由于它的 C 部分和稀疏矩阵的使用，可以轻松处理非常大量的随机效应（因此，给定研究中的个体数量）。该nlme软件包在某种程度上已被取代，lme4因此我不希望人们花费大量时间在nlme. 就个人而言，当我的模型中有持续响应时，我倾向于同时使用这两个包，但我现在已经熟悉了lme4拟合 GLMM 的方式。
与其买书，不如先看看 Doug Bates 关于 R-forge 的草稿：lme4: Mixed-effects Modeling with R。
正如 chl 所指出的，主要区别在于您可以为随机效应指定什么样的方差-协方差结构。您lme4可以指定：
~ (1 | group)+ (0 + x1 | group) + (0 + x2 | group)）~ (1 + x1 + x2 | group)）y ~ (1 + x1 | group) + (0 + x2 | group)，您将估计 的随机截距和随机斜率x1之间的相关性，但 的随机斜率x2和随机截距之间以及 的随机斜率x2和随机斜率之间没有相关性x1）。nlme为随机效应提供了更广泛的协方差结构。然而，我的经验是，对于大多数应用程序来说，它的灵活性lme4已经足够了。
我还将添加可能与许多纵向数据情况更相关的第三个功能差异：nlme 让我们为参数中的残差（即空间或时间自相关或异方差或协变量相关变异性）指定方差 - 协方差结构weights（cf ?varFunc)，而lme4只允许观察的固定先验权重。
第四个区别是很难nlme拟合（部分）交叉随机效应，而这在lme4.
如果你坚持下去，你可能会没事的lme4。
其他人已经很好地总结了这些差异。我的印象是它lme4更适合集群数据集，尤其是当您需要使用交叉随机效应时。然而，对于重复测量设计（包括许多纵向设计），nlme该工具仅nlme支持为残差指定相关结构。您可以使用带有对象的correlationsor参数来执行此操作。它还允许您使用对象对异方差进行建模。corcorStructvarFunc
实际上，R 中有许多包用于拟合超出lme4和的混合效果模型nlme。R 特别兴趣小组为混合模型运行了一个不错的wiki ，其中有一个非常好的常见问题解答和一个比较不同包的页面。
至于我对实际使用lme4and的看法nlme：我发现lme4它通常更容易使用，因为它直接扩展了基本的 R 公式语法。（如果您需要使用广义加法模型，则该gamm4包将此语法进一步扩展，因此您有一个很好的平滑学习曲线。）正如其他人所提到的，lme4可以处理广义模型（其他链接函数和误差分布），而nlme对高斯链接函数的关注允许它做一些在一般情况下非常困难的事情（指定协方差结构和依赖于自由度计算的某些事情，比如 p 值，我鼓励你移动后者远离！）。