Intersep efek-acak
Model linear di R memperkirakan parameter yang dianggap bersifat tetap atau non-acak dan disebut fixed-effects (efek tetap). Sebaliknya, parameter random-effect (efek acak) mengasumsikan data berbagi sebaran galat yang sama, dan dapat menghasilkan taksiran yang berbeda ketika jumlah data kecil atau terdapat pencilan. Model yang memiliki efek tetap dan efek acak disebut model mixed-effect atau linear mixed-effect regression.
Paket lme4 memasangkan model mixed-effect (model dengan efek tetap dan efek acak) dengan lmer(), yang menggunakan formula mirip dengan lm(). Namun, intersep efek-acak menggunakan sintaks khusus:
lmer(y ~ x + (1 | random-effect), data = my_data)
Fungsi lmer() mengharuskan model menyertakan efek acak, jika tidak model akan menghasilkan galat. Di sini, Anda akan memasangkan lm() dan lmer(), lalu membandingkan model terpasang tersebut secara grafis menggunakan subset data. Kami menyediakan kode ini karena perlu pengolahan data tingkat lanjut, sebab efek acak biasanya tidak dipetakan (ggplot2 juga tidak menyertakan opsi plot yang baik untuk model mixed-effect). Pada plot ini, perhatikan bagaimana garis putus-putus dari kemiringan efek acak dibandingkan dengan garis penuh dari kemiringan efek tetap.
Catatan: broom.mixed diperlukan karena paket broom tidak mendukung lme4.
Latihan ini adalah bagian dari kursus
Model Hierarki dan Mixed Effects di R
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Build a liner model including class as fixed-effect model
lm_out <- ___
# Build a mixed-effect model including class id as a random-effect
lmer_out <- lmer(___ ~ ___ + (1 | ___), data = ___)
# Extract out the slope estimate for mathkind
tidy(lm_out) %>%
filter(term == "mathkind")
tidy(lmer_out) %>%
filter(term == "mathkind")