Visualizzare i risultati di un modello lmer

Le data scientist e i data scientist devono comunicare il proprio lavoro e DataCamp offre corsi sull’argomento. Spiegare ciò che fai aiuta il tuo pubblico a capire i risultati. Per riuscirci, adatta la presentazione al livello di conoscenza e alle aspettative del tuo pubblico.

Per un pubblico non tecnico, descrivi i risultati più importanti dell’output. Ad esempio, potresti dire: le contee con madri più anziane tendono ad avere tassi di natalità più bassi. Per un pubblico tecnico, includi dettagli come stime dei coefficienti, intervalli di confidenza e statistiche di test. Libri come The Chicago Guide to Writing about Multivariate Analysis offrono suggerimenti per descrivere gli output di regressione.

In questo esercizio estrarrai e traccerai gli effetti fissi. Oltre a rappresentare i coefficienti (con geom_point()) e i loro intervalli di confidenza al 95% (con geom_linerange()), aggiungerai una linea rossa al grafico per aiutare a visualizzare dove si trova lo zero (usando geom_hline()). Se gli intervalli di confidenza al 95% non includono lo zero, la stima del coefficiente è diversa da zero.

coord_flip() è necessario perché ggplot non consente xmin o xmax, ma solo ymin e ymax. Inoltre, theme_minimal() modifica il tema predefinito.

Nota tecnica: estrarre i coefficienti di regressione da lmer è complicato (vedi la discussione tra gli autori di lmer e broom).

Questo esercizio fa parte del corso

Modelli gerarchici e a effetti misti in R

Visualizza il corso

Istruzioni dell'esercizio

Estrai i coefficienti dal modello out usando tidy() del pacchetto broom.mixed. Includi l’intervallo di confidenza.
Usa il codice fornito per filtrare le stime degli effetti casuali.
Stampa a schermo la tabella dei coefficienti.
Traccia i risultati usando ggplot2. Usa term per l’asse x, estimate per l’asse y, conf.low per ymin e conf.high per ymax.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Extract out the parameter estimates and confidence intervals
coef_estimates <-
	___(___, ___) %>%
	filter(effect == "fixed")

# Print the new dataframe
print(___)

# Plot the results using ggplot2
ggplot(coef_estimates, aes(x = ___, y = ___,
                     ymin = ___, ymax = ___)) +
    geom_hline( yintercept = 0, color = 'red' ) +
    geom_linerange() + geom_point() + coord_flip() + theme_minimal()

Modifica ed esegui il codice