Mulai sekarangMulai gratis

Mengubah skala kemiringan (slope)

Plot terakhir menunjukkan bahwa perubahan tingkat kejahatan bervariasi menurut county. Ini menunjukkan bahwa Anda perlu menyertakan Year sebagai efek-acak dan efek-tetap dalam model Anda. Menyertakan Year dengan cara ini akan memperkirakan kemiringan (slope) global di seluruh county serta kemiringan untuk masing-masing county. Kemiringan efek-tetap memperkirakan perubahan kejahatan berat di seluruh county di Maryland. Kemiringan efek-acak memodelkan bahwa tiap county memiliki perubahan kejahatan yang berbeda.

Namun, memasangkan model ini menghasilkan pesan peringatan! Untuk mengatasinya, ubah Year dari mulai di 2006 menjadi mulai di 0. Kami menyediakan variabel baru, Year2 (misalnya, 2006 pada Year menjadi 0 pada Year2). Terkadang saat memasangkan regresi, Anda perlu mengubah skala atau memusatkan intersep agar mulai dari 0. Ini meningkatkan stabilitas numerik model.

Latihan ini merupakan bagian dari kursus

Model Hierarki dan Mixed Effects di R

Lihat Kursus

Instruksi latihan

  • Bangun lmer() untuk memprediksi Crime dengan Year sebagai kemiringan (slope) efek-tetap dan efek-acak, serta County sebagai intersep efek-acak.
  • Bangun lmer() kedua untuk memprediksi Crime dengan Year2 sebagai kemiringan (slope) efek-tetap dan efek-acak, serta County sebagai intersep efek-acak.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Fit the model with Year as both a fixed and random-effect
lmer(___ ~ Year + (1 + Year | ___) , data = md_crime)

# Fit the model with Year2 rather than Year
lmer(___ ~ Year2 + (1 + Year2 | ___) , data = md_crime)
Edit dan Jalankan Kode