什么时候应该在lmer()中指定REML = FALSE？

在使用lmer()函数进行线性混合模型拟合时，可以通过指定REML参数来选择估计固定效应的方法。REML代表了“Restricted Maximum Likelihood”，是一种用于估计模型参数的方法。

当REML参数设置为FALSE时，表示使用最大似然法（Maximum Likelihood，ML）来估计固定效应。ML方法在模型拟合时不考虑随机效应的方差，因此可能会导致估计值的偏差。

在以下情况下，可以考虑将REML参数设置为FALSE：

1. 当样本量较大时，ML方法在计算过程中可能更加耗时。而如果样本量较大，那么使用REML方法可能更加高效。
2. 当模型存在奇异性（singularity）或过度拟合（overfitting）的情况时，ML方法可能更适用。

需要注意的是，使用ML方法估计固定效应可能会导致随机效应的方差被低估，因此对于随机效应的解释可能不准确。在这种情况下，可以使用REML方法来更准确地估计随机效应的方差。

总结起来，当样本量较大、模型存在奇异性或过度拟合时，可以考虑在lmer()中指定REML = FALSE来使用最大似然法估计固定效应。