什么时候应该在lmer（）中指定REML=FALSE？

我正在用lmer（）运行一个基本的混合效应模型，在R中。 假设我有2个在主体条件内。在每种情况下，受试者提供一种测量方法

lmer(measure ~ condition + (1|subject),
      REML = TRUE, data = My_data)

参数REML默认为TRUE。然而，在我读到的几个例子中，人们将其设置为错误

根据文件“逻辑标量-是否应选择估算值以优化REML标准（相对于对数似然）？”

---

当我使用一种或另一种方法时，对固定或随机效应的估计是否存在真正的差异。什么时候REML才是真的？什么时候应该为假？

根据上面的评论，可以在这里找到一个好的答案：

引用作者的话：

---

“当您对随机效应方差的大小感兴趣时，通常最好使用REML（如果可用），但当您通过假设检验或信息论标准（如AIC）比较具有不同固定效应的模型时，则永远不要使用REML。”

如果您想比较两个具有不同固定效果的模型，则不应使用REML拟合。但在这种情况下，lme4将为您改装车型。假设我不是在比较两种车型。我应该在什么时候指定TRUE或FALSE？通常，您应该使用REML拟合。使用ML的唯一时间是在您想要比较两个嵌套模型时。否则，请使用REML配合。D.Bates在这里解释了为什么它是首选的计算-->[link]（）pdf是在CRAN上lme4包的渐晕图下。这个问题在这里有一个很好的答案。