Sestavení modelu lmer s náhodnými efekty
Ve videu jsi se seznámil/a s daty o porodnosti na úrovni okresů. Okresy leží v rámci jednotlivých států a je možné, že státy přispívají k celkové variabilitě dat. V těchto cvičeních sestavíš sérii modelů se smíšenými efekty pracujících s těmito daty.
V tomto cvičení sestavíš hierarchický model s globálním interceptem (fixní efekt) a náhodným efektem pro stát. Pak se podíváš na výstup funkce summary() a na plot() reziduálů. Stejně jako u jiných typů regresní analýzy ti zkoumání reziduálů pomůže odhalit případné problémy s modelem.
V lmer() existují dva způsoby zápisu: y ~ 1 + (1 | random_effect) nebo zkrácená forma y ~ (1 | random_effect). V tomto cvičení použij zkrácenou formu, aby tvoje odpověď prošla testem DataCampu.
Při sestavování modelů se smíšenými efekty je vhodné začínat jednoduchými modely, jako je model s globálním interceptem – snáze tak odhalíš případné problémy s daty nebo kódem. Globální intercept předpokládá, že jedním interceptem lze popsat veškerou variabilitu v datech. Jednou z možností, jak na globální intercept nahlížet, je: lepší model než ten, který odhaduje pouze průměr bez jakýchkoli prediktivních proměnných, nedokážeš sestavit.
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.
# Build a lmer with State as a random effect
birth_rate_state_model <- lmer(___,
data =___)