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).

Controversie sui p-value

Modelli gerarchici e a effetti misti in R

Esercizio pratico interattivo