Interpréter les paramètres d’un modèle hiérarchique

Très bien, maintenant que nous avons estimé choc_m7, examinons ses paramètres. Utilisez summary() et plot() pour inspecter le modèle choc_m7. Parmi les quatre marques de chocolat listées, laquelle présente la plus forte hétérogénéité des préférences ? Vous pouvez regarder les valeurs du paramètre sd.<brand_name>, qui correspond au logarithme de l’écart type de la distribution des paramètres. Des valeurs plus élevées signifient des différences plus marquées entre les individus. Vous pouvez aussi observer la distribution des valeurs sur le graphique.