1. Learn
    2. /
  2. Courses
    3. /
  3. Hierarchické a smíšené modely s náhodnými efekty v R
Connected

Exercise

Náhodné efekty sklonu

V předchozím cvičení sis ukázal/a, jak se kódují náhodné efekty interceptu. Teď se podíváme na kódování náhodných efektů sklonu. V syntaxi lme4 používá lmer() zápis (countinuous_predictor | random_effect_group) pro náhodný efekt sklonu. Když lme4 odhaduje náhodný efekt sklonu, odhaduje zároveň i náhodný efekt interceptu. scale() přeškáluje prediktorovou proměnnou mathkind, aby byl model numericky stabilnější. Bez této úpravy lmer() model nedokáže nafitovat.

V předchozím cvičení jsi odhadoval/a náhodný efekt interceptu pro každou třídu a jeden slope pro všechna data. Teď budeš odhadovat náhodný efekt interceptu pro každou třídu a náhodný efekt sklonu pro každou třídu. Stejně jako náhodný efekt interceptu vychází náhodný efekt sklonu ze společného rozdělení všech náhodných efektů sklonu.

Instructions 1/2

undefined XP
    1
    2
  • Spusť existující kód, který přeškáluje mathkind na mathkind_scaled.
  • Pomocí funkce lmer() z balíčku lme4 nafituj model s náhodným efektem interceptu. Jde o podobný model jako předtím, ale mathgain je nyní predikováno pomocí mathkind_scaled. Jako náhodný efekt použij classid a pracuj s datasetem student_data.
  • Pomocí funkce lmer() z balíčku lme4 nafituj model s náhodným efektem sklonu. mathgain je predikováno pomocí mathkind_scaled jako náhodného efektu sklonu, přičemž classid je skupina náhodného efektu.