랜덤 효과 기울기
이전 연습 문제에서는 랜덤 효과 절편을 코딩하는 방법을 봤습니다. 이제 랜덤 효과 기울기를 코딩하는 방법을 살펴보겠습니다. lme4 문법에서 lmer()는 랜덤 효과 기울기를 위해 (countinuous_predictor | random_effect_group)를 사용합니다. lme4가 랜덤 효과 기울기를 추정할 때, 랜덤 효과 절편도 함께 추정합니다.
scale()은 예측 변수 mathkind를 재스케일링하여 모델의 수치적 안정성을 높입니다. 이 변환이 없으면 lmer()가 모델을 적합하지 못합니다.
이전 연습 문제에서는 각 학급에 대한 랜덤 효과 절편과 전체 데이터에 하나의 slope를 추정했습니다. 여기서는 각 학급마다 랜덤 효과 절편과 랜덤 효과 기울기를 모두 추정합니다. 랜덤 효과 절편과 마찬가지로, 랜덤 효과 기울기도 모든 랜덤 효과 기울기가 공유하는 분포에서 나옵니다.
이 연습은 강의의 일부입니다
R로 배우는 계층 및 혼합 효과 모형
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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 = ___)