랜덤 효과 절편
R의 선형 모형은 변하지 않는, 즉 무작위가 아닌 모수인 고정 효과(fixed-effects) 를 추정합니다. 반대로, 랜덤 효과(random-effects) 모수는 데이터가 공통의 오차 분포를 공유한다고 가정하며, 데이터가 적거나 이상치가 있을 때 추정치가 달라질 수 있습니다. 고정 효과와 랜덤 효과를 모두 포함한 모형을 혼합 효과(mixed-effect) 모형 또는 선형 혼합 효과 회귀(linear mixed-effect regression) 라고 합니다.
lme4 패키지는 lmer()로 혼합 효과 모형(고정 효과와 랜덤 효과를 모두 포함하는 모형)을 적합하며, lm()과 유사한 수식을 사용합니다. 다만, 랜덤 효과 절편에는 특별한 문법을 사용합니다:
lmer(y ~ x + (1 | random-effect), data = my_data)
lmer() 함수는 모형에 랜덤 효과가 포함되어 있어야 하며, 그렇지 않으면 오류가 발생합니다. 여기서는 lm()과 lmer()를 적합한 뒤, 데이터의 일부를 사용하여 적합된 모형을 시각적으로 비교해 보겠습니다. 랜덤 효과는 보통 직접 시각화하지 않기 때문에(또한 ggplot2에는 혼합 효과 모형을 위한 깔끔한 기본 옵션이 없기 때문에) 고급 데이터 가공이 필요하여 해당 코드를 미리 제공합니다. 이 그래프에서 랜덤 효과 기울기의 점선과 고정 효과 기울기의 실선이 어떻게 비교되는지 확인해 보세요.
참고: broom 패키지는 lme4를 지원하지 않으므로 broom.mixed가 필요합니다.
이 연습은 강의의 일부입니다
R로 배우는 계층 및 혼합 효과 모형
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Build a liner model including class as fixed-effect model
lm_out <- ___
# Build a mixed-effect model including class id as a random-effect
lmer_out <- lmer(___ ~ ___ + (1 | ___), data = ___)
# Extract out the slope estimate for mathkind
tidy(lm_out) %>%
filter(term == "mathkind")
tidy(lmer_out) %>%
filter(term == "mathkind")