解決法

mle4のバージョンを1.0.0未満に落とす。

http://qiita.com/R_Linux/items/4c3ccdbe61c088fac008
ここから、直接リンクを指定。
https://cran.r-project.org/src/contrib/Archive/lme4/

> packageVersion("lme4")
[1] ‘1.1.12’
> remove.packages("lme4")
Removing package from ‘/usr/local/Cellar/r/3.1.3/R.framework/Versions/3.1/Resources/library’
(as ‘lib’ is unspecified)
> package_version("lme4")
 エラー:  無効なバージョンの指定 ‘lme4’ です 
 追加情報:  14 件の警告がありました (警告を見るには warnings() を使って下さい) 
> packageVersion("lme4")
 以下にエラー packageVersion("lme4") :  パッケージ ‘lme4’ が見付かりません 

>install.packages ("http://cran.r-project.org/src/contrib/Archive/lme4/lme4_0.999375-31.tar.gz", repos = NULL )

### http　だよ！ httpsだとエラー吐くよ！！

quit()

##一度再起動するよ！
> packageVersion("lme4")
[1] ‘0.999375.31’

## 動いた.....　長い。3時間かかった。

なぜ使えないの？

R初心者にはきっついエラーでした。。。。
やっぱ環境構築って最高にしんどいよね。

こちらのコードが動かなかった。

# lmer()関数を使ったマルチレベルモデルの推定
# パッケージ
library(lme4)
# 固定効果：傾き、ランダム効果：切片
lph.lme1 <- lmer(LPH~POPD+EMP3D+(1|AREA), data=lph)
summary(lph.lme1)
ranef(lph.lme1)
# random.effects(lph.lme1)
# 固定効果：切片、ランダム効果：傾き
lph.lme2 <- lmer(LPH~1+(0+POPD+EMP3D|AREA), data=lph)
summary(lph.lme2)
# random.effects(lph.lme2)
ranef(lph.lme2)
# mcmcsamp()関数を使ったマルチレベルモデルのベイズ推定
lph.mcmc1 <- mcmcsamp(lph.lme1, n=1000)
print(lph.mcmc1)
densityplot(lph.mcmc1)
#
lph.mcmc2 <- mcmcsamp(lph.lme2, n=1000)
print(lph.mcmc2)
densityplot(lph.mcmc2)

エラー: 関数 "mcmcsamp" を見つけることができませんでした

となった。

2014年以降のバージョン、はmcmcsamp実装されてないらしい。versions >=1.0.0

最新版は1.1.9。

なぜ使えないのか?

2016.07.16日確認時点でのmcmc該当コードコメント欄にて、

##' @name pvalues
##' @aliases mcmcsamp
##' @title Getting p-values for fitted models
##' 
##' @description One of the most frequently asked questions about \code{lme4}
##' is "how do I calculate p-values for estimated parameters?"
##' Previous versions of \code{lme4} provided the \code{mcmcsamp}
##' function, which efficiently generated a Markov chain Monte Carlo sample
##' from the posterior distribution of the parameters, assuming
##' flat (scaled likelihood) priors. Due to difficulty in
##' constructing a version of \code{mcmcsamp} that was reliable
##' even in cases where the estimated random effect variances were near
##' zero (e.g. \url{https://stat.ethz.ch/pipermail/r-sig-mixed-models/2009q4/003115.html}), \code{mcmcsamp} has been withdrawn (or more precisely,
##' not updated to work with \code{lme4} versions >=1.0.0).
##'
##' Many users, including users of the \code{aovlmer.fnc} function
##' from the \code{languageR} package which relies on \code{mcmcsamp},
##' will be deeply disappointed by this lacuna. Users who need p-values have
##' a variety of options:
##' \itemize{
##' \item likelihood ratio tests via \code{anova} (MC,+)
##' \item profile confidence intervals via \code{\link{profile.merMod}} and \code{\link{confint.merMod}} (CI,+)
##' \item parametric bootstrap confidence intervals and model comparisons via \code{\link{bootMer}} (or \code{PBmodcomp} in the \code{pbkrtest} package) (MC/CI,*,+)
##' \item for random effects, simulation tests via the \code{RLRsim} package (MC,*)
##' \item for fixed effects, F tests via Kenward-Roger approximation using \code{KRmodcomp} from the \code{pbkrtest} package (MC)
##' \item \code{car::Anova} and \code{lmerTest::anova} provide wrappers for \code{pbkrtest}. \code{lmerTest::anova} also provides t tests via the Satterthwaite approximation (P,*)
##' }
##' In the list above, the methods marked \code{MC} provide explicit model comparisons; \code{CI} denotes confidence intervals; and \code{P} denotes parameter-level or sequential tests of all effects in a model. The starred (*) suggestions provide finite-size corrections (important when the number of groups is <50); those marked (+) support GLMMs as well as LMMs.
##' 
##' When all else fails, don't forget to keep p-values in perspective: \url{http://www.phdcomics.com/comics/archive.php?comicid=905}
##'

Previous versions of \code{lme4} provided the \code{mcmcsamp}
function, which efficiently generated a Markov chain Monte Carlo sample
from the posterior distribution of the parameters, assuming
flat (scaled likelihood) priors. Due to difficulty in
constructing a version of \code{mcmcsamp} that was reliable
even in cases where the estimated random effect variances were near
zero (e.g. \url{https://stat.ethz.ch/pipermail/r-sig-mixed-models/2009q4/003115.html}), \code{mcmcsamp} has been withdrawn (or more precisely,
not updated to work with \code{lme4} versions >=1.0.0).

(翻訳?)以前のlme4のバージョンで提供されていたmcmcsamp関数は、効率的にマルコフ連鎖モンテカルロサンプルをパラメータの事後分布、仮定フラット（スケーリングされた可能性）事前確率から生成していた。
ランダム効果の推定に分散が0に近い場合のコードの構造が難しいので1.0.0以降では更新しないとなっている。

私の翻訳がダメで、
あんまり使わなくなった(使えないと発覚した？)理由がぶっちゃけわからないので、
すみません、どなたかご教授いただけると幸いです。。。。。

統計への道は長い。

参照

すごく助かりました。

http://web.sfc.keio.ac.jp/~maunz/wiki/index.php?%A5%D9%A5%A4%A5%BA%C5%FD%B7%D7%B1%E9%BD%AC2014_6
http://qiita.com/R_Linux/items/4c3ccdbe61c088fac008
https://cran.r-project.org/src/contrib/Archive/lme4/
http://hosho.ees.hokudai.ac.jp/~kubo/ce/LmerMcmc.html

R :: mcmc関数見つからない問題

解決法

なぜ使えないの？

参照