Ein lmer-Modell mit Zufallseffekten erstellen
Im Video hast du die Geburtenraten-Daten auf County-Ebene kennengelernt. Countys liegen in Bundesstaaten, und möglicherweise tragen die Bundesstaaten zur Variabilität bei. In diesen Übungen baust du eine Reihe von Mixed-Effects-Modellen mit diesen Daten auf.
In dieser Übung erstellst du ein hierarchisches Modell mit einem globalen Achsenabschnitt (Fixeffekt) und einem Zufallseffekt für den Bundesstaat. Anschließend schaust du dir die summary() des Modells und den plot() der Residuen an. Wie bei anderen Regressionsanalysen hilft die Untersuchung der Residuen dabei zu erkennen, ob etwas mit dem Modell nicht stimmt.
Mit lmer() gibt es zwei Möglichkeiten: y ~ 1 + (1 | random_effect) oder die Kurzform y ~ (1 | random_effect). Verwende in dieser Übung die Kurzform, damit deine Antwort den DataCamp-Test besteht.
Beim Aufbau von Mixed-Effects-Modellen hilft es, mit einfachen Modellen wie dem globalen Achsenabschnitt zu starten, um zu prüfen, ob es Probleme mit den Daten oder dem Code gibt. Ein globaler Achsenabschnitt geht davon aus, dass ein einziger Achsenabschnitt die gesamte Variabilität in den Daten beschreiben kann. Eine Sichtweise auf einen globalen Achsenabschnitt ist, dass du die Daten nicht besser modellieren kannst, als nur den Mittelwert zu modellieren, ohne weitere Prädiktorvariablen einzubeziehen.
Diese Übung ist Teil des Kurses
Hierarchische und gemischte Effekte-Modelle in R
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Build a lmer with State as a random effect
birth_rate_state_model <- lmer(___,
data =___)