Pendenza a effetti casuali non correlati
Nell'esercizio precedente hai usato l'impostazione predefinita di lme4 e hai assunto che, per le stime degli effetti casuali, pendenze e intercetti all'interno di ciascun gruppo fossero correlati. Tuttavia, questa assunzione potrebbe non essere sempre valida, oppure potremmo voler semplificare il modello se abbiamo difficoltà a stimarlo numericamente.
Costruire un modello con effetti casuali non correlati è un modo per semplificare il modello. Inoltre, i modelli lmer() possono essere difficili da adattare e controllare gli output del modello può essere utile per il debug. In alternativa, potresti avere conoscenze del dominio e voler assumere che gli effetti casuali non siano correlati.
Per adattare un modello con una pendenza a effetto casuale non correlata, usa || invece di | nella sintassi di lmer().
Il secondo modello che hai costruito nell'esercizio precedente, model_b, è stato caricato per te. Confronta gli output di model_c con i vecchi output di model_b.
La vignetta di lmer di lme4 include una sezione sugli effetti casuali non correlati.
Questo esercizio fa parte del corso
Modelli gerarchici e a effetti misti in R
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Include AverageAgeofMother as fixed-effect and LogTotalPop and State as uncorrelated random-effects
model_c <- lmer(BirthRate ~ ___,
county_births_data)
# Compare outputs of both models
summary(model_b)
summary(model_c)