我的工作就是统计相关，但是很大部分的工作都是用线性混合模型，我用线性混合模型做的比较多的工作是分析试验数据的遗传结构，各种遗传参数评估（遗传力、配合力、育种值等）。

　　在1992-1995年之间，我刚开始用SAS（首先是proc glm，最后是proc mixed），后来发现当我想用SAS计算动物模型的BLUP（最佳线性无偏预测值）时，过程是很痛苦，而且时间很漫长，于是1995-1996我使用DFREML（Karen Meyer，现在是WOMBAT）和AIREML（现在已经没有了），这些软件是为分析动物育种后代的性状，对于试验设计的数据分析比较麻烦。最后在1996或者1997早期，我开始接触使用ASREML（程序是由Arthur和Robin、Brian编写，商业化运作由VSNi公司）我甚至写了本ASReml的cookbook，那时我还用SAS来清洗数据，直到2003年我还没真正开始使用R（或S）语言，后来我认识到在笔记本电脑里面装个虚拟机来运行SAS，是得不偿失的，于是在2009年我完全放弃了SAS开始使用R语言。

　　选择是一个很头疼的问题，R中有很多软件包可以做混合线性模型，这里我只介绍nlme、lme4和ASreml（对！ASreml是商业版，但是还有对应的R包），这些都是基于Reml的算法，当然还有一些包是基于贝叶斯的算法，这部分在其他章节介绍。

　　这是一个比较成熟的R包，是R语言安装时默认的包，它除了可以分析分层的线性混合模型，也可以处理非线性模型。在优势方面，个人认为它可以处理相对复杂的线性和非线性模型，可以定义方差协方差结构，可以在广义线性模型中定义几种分布函数和连接函数。

　　lme4包是由Douglas Bates开发，他也是nlme包的作者之一，相对于nlme包而言，它的运行速度快一点，对于随机效应的结构也可以更复杂一点，但是它的缺点也和nlme一样：

　　2、它可以与构建系数的包连接，比如mmpedigree包，但是结合比较脆弱。

　　1、它是收费的，当然它对于不发达国家的科研机构是免费的，不过需要申请和被审核。

　　它的用户主要是育种公司、科研机构等，它可以在各种平台上运行，包括Windows、Linux、OS X等。

　　我将用一个传统的裂区数据来说明不同软件包的用法，这个数据oats是在MASS包中，是研究大麦品种和N肥处理的裂区试验，其中品种为主区，肥料为裂区。代码如下

　　调用这个包很简单，y变量写在左边，然后是固定因子，然后是随机因子，注意1block/mainplot是裂区试验残差的写法，因为里面有两个残差。代码如下：

　　lme4包的语法也相似，随机效应有着和nlme相同的语法，不同的是lme4包它的结果给出了随机效应的标准差，而不是方差。

　　翻译的过程也是学习的过程，看着运行的结果，和页面结果上一样，感觉棒棒的。

　　如果您对于数据分析，对于软件操作，对于数据整理，对于结果理解，有任何问题，欢迎联系我。