Pentes à effets aléatoires
Dans l'exercice précédent, vous avez estimé des intercepteurs à effets aléatoires pour chaque État. Cela vous a permis de tenir compte du fait que chaque État a son propre intercepteur. Dans cet exercice, vous allez estimer une pente à effet aléatoire pour chaque État. Par exemple, il se peut que le log\(_{10}\)(population totale de chaque comté), LogTotalPop, influence le taux de natalité d'un comté ET varie selon l'État.
Rappelez‑vous de la vidéo : on peut estimer une pente à effet aléatoire pour chaque groupe en utilisant la syntaxe (slope | group) avec lmer().
Dans cet exercice, ajustez un modèle à effets mixtes qui estime l'effet de l'âge moyen de la mère tout en tenant compte de l'État et de la population totale comme effets aléatoires.
Comment les résultats de ce modèle se comparent‑ils à ceux du modèle précédent que vous avez construit?
Cette activité fait partie du cours
Modèles hiérarchiques et à effets mixtes en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Include the AverageAgeofMother as fixed-effect and State as a random-effect
model_a <- lmer(BirthRate ~ ___ + (___), county_births_data)
tidy(___)
# Include the AverageAgeofMother as fixed-effect and LogTotalPop and State as random-effects
model_b <- lmer(BirthRate ~ ___ + (___), county_births_data)
tidy(___)