Pente d'effet aléatoire non corrélée
Dans l'exercice précédent, vous avez utilisé le paramètre par défaut de lme4 et supposé que, pour les estimations d'effets aléatoires, les pentes et les intercepts à l'intérieur de chaque groupe étaient corrélés. Toutefois, cette hypothèse n'est pas toujours valide, et il peut être utile de simplifier le modèle si vous éprouvez des difficultés à l'ajuster numériquement.
Construire un modèle avec des effets aléatoires non corrélés est une façon potentielle de simplifier le modèle. De plus, les modèles lmer() peuvent être difficiles à ajuster, et examiner les sorties du modèle est une étape utile pour le débogage. Autrement, vous pouvez avoir une expertise du domaine qui vous amène à supposer que les effets aléatoires ne sont pas corrélés.
Pour ajuster un modèle avec une pente d'effet aléatoire non corrélée, utilisez || plutôt que | avec la syntaxe de lmer().
Le deuxième modèle que vous avez construit dans l'exercice précédent, model_b, a été chargé pour vous. Comparez les sorties de model_c aux anciennes sorties de model_b.
La vignette lmer de lme4 comprend une section sur les effets aléatoires non corrélés.
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 AverageAgeofMother as fixed-effect and LogTotalPop and State as uncorrelated random-effects
model_c <- lmer(BirthRate ~ ___,
county_births_data)
# Compare outputs of both models
summary(model_b)
summary(model_c)