CommencerCommencer gratuitement

Afficher les résultats sur la chlamydia

Dans l’exercice précédent, vous avez ajusté un GLMER aux données de chlamydia de l’Illinois. Dans cet exercice, nous allons voir quelques méthodes pour afficher les résultats. Vous pouvez utiliser ces méthodes pour produire des résumés du modèle à destination d’un client ou d’un document où vous décrivez vos résultats. Cependant, je vous encourage à apprendre à manipuler et explorer vous‑même les sorties de modèles afin de créer vos propres méthodes de visualisation des résultats. Développer vos propres approches peut vous aider à vous démarquer en tant que data scientist !

Voici ce que vous allez faire :

  1. Examiner les estimations du modèle.
  2. Tracer les données et ajuster un glm pour chaque classe d’âge. Même si ce n’est pas exactement identique aux sorties de glmer(), cette approximation permet de présenter les résultats de manière visuelle et facile à comprendre.

Cet exercice fait partie du cours

Modèles hiérarchiques et à effets mixtes en R

Afficher le cours

Instructions

  • Extrayez les estimations des effets fixes de model_out à l’aide de fixef().
  • Extrayez les estimations des effets aléatoires de model_out à l’aide de ranef().
  • Exécutez le code pour tracer les données à l’aide des méthodes de ggplot2.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Extract out fixed effects
___
# Extract out random effects 
___

# Run code to see one method for plotting the data
ggplot(data = il_data_2, 
       aes(x = year, y = count, group = county)) +
    geom_line() +
    facet_grid(age ~ . ) +
    stat_smooth(method = "glm",
                method.args = list(family = "poisson"), 
                se = FALSE,
                alpha = 0.5) +
    theme_minimal()
Modifier et exécuter le code