mer类
lmer函数的结果为一个mer类的对象
mer类：描述线性、通用线性或非线性混合效应模型，包含稀疏的模型矩阵（随机效应的）以及相应的稀疏Cholesky因子。
summary.mer类描述这些对象的summary。
用法：
deviance(object,REML=NULL,...)
expand(x,sparse=TRUE,...)
logLik(object,REML=NULL,...)
print(x,digits,corrlation,symbolic.cor,signif.stars,...)
mer类的slots（用@操作符访问）：
env：为非线性模型函数创建的环境
nlmodel：将非线性模型函数作为类call的一个对象
（以上两个slots只对nlmer方法）
frame：模型框架
call：与创建对象匹配的函数调用
flist：随机效应的模型矩阵
X：固定效应的模型矩阵。在一个nlmer拟合的模型中有n*s行，其中n是观测数量，s是非线性模型中的参数个数
Zt：随机效应的转置矩阵，存储为压缩的稀疏矩阵dqCMatrix。
pWt：数值的优先权值向量prior weights vector。可能长度为0，表示单位优先权值。
offset：数值的偏移向量。可能长度为0，表示没有偏移。
y：响应向量（数值类型）
Gp：随机效应向量内的group pointer整数向量。Gp中的元素是索引基于0（地1个元素的位序）的，对每个随机效应项，因此第一个元素总是0，最后一个元素是随机效应向量的总长度。
dims：命名的维度整数向量。一些维数为n：观测数量；p：固定效应数量；q：随机效应总数量；s：非线性模型函数中参数数量；nt：模型中随机效应项的数量。
ST：和每个随机效应项相关联的随机效应的相对方差矩阵的TSST` Cholesky因数分解中的S和T因子的列表。
V：非线性模型函数的数值的梯度矩阵gradient matrix（只在nlmer中使用）。
A：单位的正交随机效应U的scaled sparse model matrix。
Cm：单位的正交随机效应U的reduced weighted sparse model matrix（只在nlmer中使用）。
Cx：单位的正交随机效应U（通用线性混合模型中）的加权稀疏模型矩阵中的“x" slot。
对这些模型，矩阵A和C具有相同的稀疏模式，而只需要存储C中的”x“ slot。
L：deviance
fixef：固定效应的数值向量。
ranef：随机效应的数值向量（on the original scale）。
u：正交、常数方差，随机效应的数值向量。
eta：在参数和随机效应的当前取值下，线性预测结果（响应变量）。
mu：在当前参数下的响应均值。
muEta：mu对eta的Jacobian行列式的对角线（只对glmer有用）。
var：在给定随机效应下，Y的条件方差的对角线，由prior weights决定。在通用混合模型中，是glm family的方差函数的值。
resid：残余，y-mu，用sqrtrWt slot加权（若它的长度>0）。
sqrtXWt：应用于模型矩阵X和Z的权值的平方根，可能长度为0，表示单位权值。
sqrtrWt：应用于为了获得平方值的加权残差和的残余的权值的平方根。
RZX：RZX=ST`Z`X=AX，为L的dense solution。
RX：downdated X`X的upper Cholesky factor。
summary.mer类（summary(merX)的结果类型）包含mer类，以及更多的slots：
methTitle：表明方法title的字符串。
logLik
ngrps：flist slot中每个分组因子中的水平数量。
sigma：方差-协方差估计的scale factor。
coefs：固定效应系数的估计值、标准误、t-value等。
vcov
REmat：格式化了的随机效应矩阵。
AICtab：AIC、BIC、log-likelihood、deviance和REMLdev的值的命名向量。
可用于mer类的方法
summary
varCorr：抽取出方差和关联组分。
anova：单参数时，返回固定效应项的contribution的sequential decomposition。多个参数时，返回模型比较的统计值。
coef、coerce、deviance、expand、fitted、fixef、formula、logLik、mcmcsamp、model.frame、model.matrix、print、ranef、resid、residuals、show、terms、update、vcov、with