1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Modèles hiérarchiques et à effets mixtes en R
Connected

Cvičení

Visualiser les données sur la criminalité au Maryland

Avant d'ajuster un modèle, tracer les données peut aider à voir si des tendances ou des points de données ressortent, s'il existe des valeurs aberrantes, ou si d'autres caractéristiques des données exigent une analyse ultérieure. Avec ggplot2, vous pouvez tracer des lignes pour chaque comté et examiner comment les crimes évoluent dans le temps. Pour cet exercice, examinez les données sur la criminalité au Maryland (md_crime). Elles incluent l'Year, le nombre de crimes violents (Crime) dans le comté, et le nom du County.

Pour explorer ces données, commencez par tracer les points pour chaque comté au fil du temps. Cela vous permet de voir comment chaque comté change avec le temps. Plutôt que d'utiliser un attribut esthétique comme color, on emploie ici group, car il y a trop de comtés pour distinguer facilement les couleurs. Après avoir tracé les données brutes, ajoutez des lignes de tendance pour chaque comté.

Les points reliés (geom_line) et les lignes de tendance (geom_smooth) donnent un aperçu des types d'effets aléatoires éventuellement nécessaires. Si tous les points semblent avoir des étendues et des moyennes similaires, un intercept à effet aléatoire pourrait être peu pertinent. De même, si les tendances semblent cohérentes entre les comtés (p. ex., des lignes de tendance semblables ou parallèles entre les groupes), une pente à effet aléatoire pourrait ne pas être requise.

Pokyny 1/2

undefined XP
    1
    2
  • Tracez l'évolution de Crime (variable y) en fonction de Year (variable x) dans chaque County (variable group) à l'aide des données md_crime.
  • Ajoutez des lignes de tendance pour chaque comté avec geom_smooth(method = 'lm', se = FALSE). se = FALSE produit un graphique moins chargé.