1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Hierarchické a smíšené modely s náhodnými efekty v R
Connected

Cvičení

Chlamydie podle věkových skupin a krajů

Počet infekcí se mění v čase a liší se mezi věkovými skupinami. Možné příčiny zahrnují kulturní, sociální a politické faktory. U malých populací počet infekcí často obsahuje nuly a nemusí odpovídat normálnímu rozdělení. Pro taková data se hodí Poissonův model.

V tomto cvičení se podíváš na to, jak se výskyt chlamydiových infekcí liší v malých krajích státu Illinois. Zaměříš se na dvě otázky:

  1. Liší se počet hlášených případů mezi věkovou skupinou 15–19 let a skupinou 20–24 let?
  2. Mění se počet hlášených případů v čase pro tyto dvě věkové skupiny?

Data pocházejí od státu Illinois, který zveřejňuje přehledy infekcí, jako je chlamydie, rozdělené podle věkových skupin a krajů. Nejdřív na data natrénuj Poissonův model pomocí glmer. Pak si prohlédni výsledky. V dalším cvičení data vizualizuješ.

Upozornění: Pokud uděláš chybu ve vzorci, může R spadnout. To je jedna z nástrah při použití lmer() a glmer().

Pokyny 1/3

undefined XP
    1
    2
    3
  • Spusť glmer() s rodinou "poisson", kde count předpovídáš pomocí fixních efektů age (1. fixní efekt) a year (2. fixní efekt), a přidej year jako náhodný efekt seskupený podle county. Použij data il_data.
  • Prohlédni si summary() modelu.
  • Buď opatrný/á s náhodným efektem. Pokud ho zadáš špatně, může R spadnout.