Niet-gecorreleerde random-effect helling
In de vorige oefening gebruikte je de standaardinstelling van lme4 en nam je aan dat hellingen en intercepten binnen elke groep gecorreleerd waren voor de random-effect schattingen. Die aanname is echter niet altijd geldig, of je wilt het model vereenvoudigen als het numeriek lastig te passen is.
Een model bouwen met niet-gecorreleerde random-effects is één manier om het model mogelijk te vereenvoudigen. Bovendien kunnen lmer()-modellen lastig te passen zijn en is het controleren van modelresultaten een nuttige stap bij het debuggen van je model. Het kan ook dat je inhoudelijke expertise hebt en wilt aannemen dat de random-effects niet gecorreleerd zijn.
Om een model met een niet-gecorreleerde random-effect helling te passen, gebruik je || in plaats van | in de lmer()-syntax.
Het tweede model dat je in de vorige oefening hebt gebouwd, model_b, is voor je ingeladen. Vergelijk de resultaten van model_c met de eerdere resultaten van model_b.
De lme4 lmer-vignette bevat een sectie over niet-gecorreleerde random-effects.
Deze oefening maakt deel uit van de cursus
Hiërarchische en Mixed-Effects-modellen in R
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Include AverageAgeofMother as fixed-effect and LogTotalPop and State as uncorrelated random-effects
model_c <- lmer(BirthRate ~ ___,
county_births_data)
# Compare outputs of both models
summary(model_b)
summary(model_c)