如何使用lme4拟合与glm等效的泊松对数线性模型

你当前使用glm拟合的是全固定效应的饱和泊松对数线性模型，lme4包核心用于拟合广义线性混合效应模型，默认要求模型包含至少1项随机效应，要得到和glm输出完全等效的结果，可按以下步骤操作：

步骤1：加载依赖包、准备数据集 #

library(MASS)
library(lme4)
UCBAdf <- as.data.frame(UCBAdmissions)

步骤2：构造等效模型 #

由于glmer要求必须有随机效应项，我们可以新增一个和每行观测一一对应的ID作为随机截距项，固定效应结构和glm完全一致即可：

# 新增逐行唯一的观测ID
UCBAdf$obs_id <- seq(nrow(UCBAdf))

# 拟合等效泊松对数线性模型
lme4_fit <- glmer(
  formula = Freq ~ Admit * Dept * Gender + (1 | obs_id),
  family = poisson(link = "log"),
  data = UCBAdf
)

结果校验 #

拟合完成后可通过以下方式核对结果和glm完全一致：

• 提取固定效应系数：fixef(lme4_fit)和coef(glmFitT)输出完全相同
• 模型指标：summary(lme4_fit)会输出系数显著性、AIC，deviance(lme4_fit)可获取残差偏差

拟合过程中如果出现奇异拟合警告属于正常情况，是因为新增的观测级随机效应方差趋近于0导致的，不影响固定效应计算结果。

注意事项 #

如果你的分析场景不需要引入随机效应，直接使用基础包的glm拟合纯固定效应泊松模型效率更高、更符合规范；lme4的核心优势是可将某类分类变量（比如部门、性别）设置为随机效应纳入模型，适配更复杂的分层数据结构。

内容的提问来源于stack exchange，提问作者cliu