r - 加速R中的lmer功能

我想在尝试使用R包在lme4中改善线性混合效果模型的模型拟合时间时分享我的一些想法。

数据集大小：数据集大约包含400.000行和32列。遗憾的是，无法分享有关数据性质的信息。

假设和检查：假设响应变量来自正态分布。在模型拟合过程之前，使用相关表和R中提供的alias函数测试变量的共线性和多重共线性。

连续变量被缩放以帮助收敛。

模型结构：模型方程包含31个固定效果（包括截距）和30个随机效应（不包括截距）。对于具有2700个级别的特定因子变量，随机效应是随机的。协方差结构是方差分量，因为假设随机效应之间存在独立性。

模型方程示例：

lmer(Response ~ 1 + Var1 + Var2 + ... + Var30 + (Var1-1| Group) + (Var2-1| Group) + ... + (Var30-1| Group), data=data, REML=TRUE)

模型已成功安装，但是，提供结果大约需要3.1小时。 SAS中的相同型号花了几秒钟。网上有关于如何通过使用非线性优化算法nloptwrap来减少时间的文献，并关闭在优化完成后执行的耗时衍生计算calc.derivs = FALSE：

时间减少了78％。

问题：通过相应地定义lmer参数输入，还有其他方法可以缩短模型拟合时间吗？在模型拟合时间方面，R和SAS之间存在很大差异。

任何建议都表示赞赏。