LoslegenKostenlos loslegen

Ergebnisse eines lmer-Modells darstellen

Data Scientists müssen ihre Arbeit vermitteln, und DataCamp bietet Kurse zu diesem Thema an. Wenn du deine Arbeit erklärst, hilfst du deinem Publikum, die Ergebnisse zu verstehen. Passe dafür deine Präsentation an Wissensstand und Erwartungen deines Publikums an.

Für nicht-technische Zielgruppen beschreibe die wichtigsten Erkenntnisse aus deinen Ausgaben. Zum Beispiel könntest du sagen: Counties mit älteren Müttern haben tendenziell niedrigere Geburtenraten. Für technische Zielgruppen solltest du Details wie Koeffizientenschätzungen, Konfidenzintervalle und Teststatistiken angeben. Bücher wie The Chicago Guide to Writing about Multivariate Analysis geben Hinweise zum Beschreiben von Regressionsausgaben.

In dieser Übung extrahierst und plottest du Fixed Effects. Neben den Koeffizienten (mit geom_point()) und ihren 95%-Konfidenzintervallen (mit geom_linerange()) fügst du dem Plot eine rote Linie hinzu, um zu veranschaulichen, wo die Null liegt (mit geom_hline()). Wenn die 95%-Konfidenzintervalle die Null nicht einschließen, unterscheidet sich die Schätzung des Koeffizienten von null.

coord_flip() ist erforderlich, weil ggplot kein xmin oder xmax zulässt, sondern nur ymin und ymax. Außerdem ändert theme_minimal() das Theme gegenüber dem Standard.

Technische Anmerkung: Das Extrahieren von Regressionskoeffizienten aus lmer ist knifflig (siehe die Diskussion zwischen den Autor:innen von lmer und broom).

Diese Übung ist Teil des Kurses

Hierarchische und gemischte Effekte-Modelle in R

Kurs anzeigen

Anleitung zur Übung

  • Extrahiere die Koeffizienten aus dem Modell out mit tidy() aus dem Paket broom.mixed. Schließe das Konfidenzintervall ein.
  • Verwende den vorhandenen Code, um die Schätzungen der Random Effects herauszufiltern.
  • Gib die Koeffiziententabelle auf dem Bildschirm aus.
  • Plotte die Ausgaben mit ggplot2. Verwende term für die x-Achse, estimate für die y-Achse, conf.low für ymin und conf.high für ymax.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Extract out the parameter estimates and confidence intervals
coef_estimates <-
	___(___, ___) %>%
	filter(effect == "fixed")

# Print the new dataframe
print(___)

# Plot the results using ggplot2
ggplot(coef_estimates, aes(x = ___, y = ___,
                     ymin = ___, ymax = ___)) +
    geom_hline( yintercept = 0, color = 'red' ) +
    geom_linerange() + geom_point() + coord_flip() + theme_minimal()
Code bearbeiten und ausführen