始める無料で始める

ランダム効果の傾き

前の演習では、ランダム効果の切片のコード方法を確認しました。ここでは、ランダム効果の傾きのコード方法を見ていきます。lme4 の構文では、ランダム効果の傾きには lmer() で (countinuous_predictor | random_effect_group) を使います。lme4 がランダム効果の傾きを推定する際は、ランダム効果の切片も同時に推定します。 scale() は予測変数 mathkind を再スケーリングして、モデルの数値安定性を高めます。この変更がないと、lmer() はモデルを当てはめられません。

前の演習では、各学級に対してランダム効果の切片を推定し、すべてのデータに対して 1 つの slope を推定しました。ここでは、各学級に対してランダム効果の切片とランダム効果の傾きを推定します。ランダム効果の切片と同様に、ランダム効果の傾きも、すべてのランダム効果の傾きが共有する分布から生成されます。

この演習はコースの一部です

R による階層モデルと混合効果モデル

コースを見る

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Rescale mathkind to make the model more stable
student_data <-
	student_data %>%
    mutate(mathkind_scaled = scale(mathkind))

# Build lmer models
lmer_intercept <- lmer(___ ~ ___ + (1 | ___),
                       data = ___)
lmer_slope     <- lmer(___ ~ (___ | ___),
                       data = ___)
コードを編集して実行