Construire un modèle lmer avec effets aléatoires

Dans la vidéo, vous avez découvert les données de taux de natalité au niveau des comtés. Les comtés sont regroupés au sein d’États, qui peuvent contribuer à la variabilité. Au fil de ces exercices, vous allez construire une série de modèles à effets mixtes avec ces données.

Dans cet exercice, vous allez construire un modèle hiérarchique avec une ordonnée à l’origine globale (effet fixe) et un effet aléatoire pour l’État. Vous examinerez ensuite le summary() du modèle et le plot() des résidus. Comme pour d’autres analyses de régression, l’étude des résidus permet de vérifier si quelque chose cloche dans le modèle.

Avec lmer(), il existe deux façons de spécifier cela : y ~ 1 + (1 | random_effect) ou, en raccourci, y ~ (1 | random_effect). Utilisez le raccourci dans cet exercice afin que votre réponse réussisse le test DataCamp.

Lorsqu’on construit des modèles à effets mixtes, commencer par des modèles simples comme le modèle à intercept global permet de repérer d’éventuels problèmes dans les données ou le code. Un intercept global suppose qu’une seule ordonnée à l’origine peut décrire toute la variabilité des données. On peut voir l’intercept global comme l’idée que vous ne pouvez pas mieux modéliser ces données qu’en ne modélisant que la moyenne, sans inclure d’autres variables prédictives.