Costruire un modello lmer con effetti casuali

Nel video hai visto i dati sul tasso di natalità a livello di contea. Le contee esistono all'interno degli stati e gli stati potrebbero contribuire alla variabilità. In questi esercizi costruirai una serie di modelli a effetti misti usando questi dati.

In questo esercizio, costruirai un modello gerarchico con un intercetta globale (effetto fisso) e un effetto casuale per lo stato. Poi esaminerai il summary() del modello e il plot() dei residui. Come in altri tipi di regressione, analizzare i residui può aiutarti a capire se c’è qualcosa che non va nel modello.

Con lmer() ci sono due modi per farlo: y ~ 1 + (1 | random_effect) oppure la scorciatoia y ~ (1 | random_effect). Usa la scorciatoia in questo esercizio così la tua risposta supererà il test di DataCamp.

Quando si costruiscono modelli a effetti misti, partire da modelli semplici come quello con intercetta globale aiuta a verificare se ci sono problemi nei dati o nel codice. Un intercetta globale presuppone che un’unica intercetta possa descrivere tutta la variabilità nei dati. Un modo per interpretare un’intercetta globale è che non puoi fare meglio, nel modellare quei dati, che stimare solo la media senza includere altre variabili predittive.