1. 学ぶ
    2. /
  2. コース
    3. /
  3. R による階層モデルと混合効果モデル
Connected

演習

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。

指示1 / 2

undefined XP
    1
    2
  • 既存のコードを実行して、mathkind を mathkind_scaled に再スケーリングします。
  • lme4 パッケージの lmer() 関数を使って、ランダム効果の切片モデルを当てはめます。これはこれまでのモデルと同様ですが、mathgain は mathkind_scaled によって予測されます。ランダム効果は classid です。データは student_data を使います。
  • lme4 パッケージの lmer() 関数を使って、ランダム効果の傾きモデルを当てはめます。mathgain はランダム効果の傾きとしての mathkind_scaled により予測され、ランダム効果のグループは classid です。