Vizualizace dat o kriminalitě v Marylandu
Než začneš sestavovat model, může být velmi užitečné data nejprve vizualizovat – uvidíš, jestli vynikají nějaké trendy nebo datové body, jestli existují odlehlé hodnoty nebo jiné vlastnosti dat, které bude třeba zohlednit.
S pomocí ggplot2 můžeš nakreslit linie pro každý okres a sledovat, jak se počty trestných činů mění v čase.
V tomto cvičení prozkoumáš data o kriminalitě v Marylandu (md_crime). Datová sada obsahuje sloupec Year (rok), počet násilných trestných činů (Crime) v daném okrese a název okresu (County).
Nejprve vykresli datové body pro každý okres v čase – uvidíš tak, jak se každý okres vyvíjí. Místo estetiky color zde použij group, protože okresů je příliš mnoho a jejich barvy by se špatně rozlišovaly. Po vykreslení surových dat přidej pro každý okres trendové linie.
Spojené body (geom_line) i trendové linie (geom_smooth) ti napoví, jaké náhodné efekty (pokud vůbec nějaké) jsou potřeba. Pokud mají všechny body podobné rozsahy a průměry, nemusí být náhodný efekt pro intercept důležitý. Podobně, pokud trendy vypadají konzistentně napříč okresy (tj. trendové linie jsou si podobné nebo rovnoběžné), náhodný efekt pro slope nemusí být nutný.
Toto cvičení je součástí kurzu
Hierarchické a smíšené modely s náhodnými efekty v R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Plot the change in crime through time by County
plot1 <-
ggplot(data = md_crime,
aes(x = ___, y = ___, group = ___)) +
geom_line() +
theme_minimal() +
ylab("Major crimes reported per county")
print(plot1)
# Add the trend line for each county
plot1 + ___