Nesten per onderwerp en land

In het vorige hoofdstuk heb je voor elk land een lineair model gemaakt door de gegevens per land te nesten, een model op elke gegevensset te fitten, vervolgens elk model op te schonen met broom en de coëfficiënten te unnesten. De code zag er ongeveer zo uit:

country_coefficients <- by_year_country %>%
  nest(-country) %>%
  mutate(model = map(data, ~ lm(percent_yes ~ year, data = .)),
         tidied = map(model, tidy)) %>%
  unnest(tidied)

Nu ga je opnieuw de verandering in het percentage 'yes' door de tijd modelleren, maar in plaats van één model per land, fit je een model voor elke combinatie van land en onderwerp.

Deze oefening maakt deel uit van de cursus

Casestudy: Exploratory Data Analysis in R

Cursus bekijken

Oefeninstructies

Laad de pakketten purrr, tidyr en broom.
Print de gegevensset by_country_year_topic naar de console.
Fit een lineair model binnen elk land en elk onderwerp in deze gegevensset, en sla het resultaat op als country_topic_coefficients. Je kunt de gegeven code als startpunt gebruiken.
Print de gegevensset country_topic_coefficients naar de console.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Load purrr, tidyr, and broom


# Print by_country_year_topic


# Fit model on the by_country_year_topic dataset


# Print country_topic_coefficients

Code bewerken en uitvoeren