Wyświetlanie wyników dotyczących chlamydii

W poprzednim ćwiczeniu dopasowano model GLMER do danych o zachorowalności na chlamydię w stanie Illinois. W tym ćwiczeniu omówimy kilka metod prezentowania wyników. Możesz je wykorzystać do przygotowania podsumowań modelu dla klienta lub w dokumentacji opisującej wyniki. Zachęcam cię jednak do samodzielnego eksperymentowania z wynikami modelu i tworzenia własnych metod ich wizualizacji. Wypracowanie oryginalnego podejścia może wyróżnić cię jako analityka danych!

Oto co zrobisz:

Przeanalizujesz estymaty modelu.
Wykreślisz dane i dopasujesz model glm do każdej klasy wiekowej. Choć nie jest to dokładnie to samo co wyniki glmer(), takie przybliżenie pozwala przedstawić rezultaty w czytelny i intuicyjny sposób.

To ćwiczenie jest częścią kursu

Hierarchiczne i mieszane modele efektów w R

Zobacz kurs

Instrukcje do ćwiczenia

Wyodrębnij estymaty efektów stałych z obiektu model_out za pomocą funkcji fixef().
Wyodrębnij estymaty efektów losowych z obiektu model_out za pomocą funkcji ranef().
Uruchom kod, aby zwizualizować dane metodami z pakietu ggplot2.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Extract out fixed effects
___
# Extract out random effects 
___

# Run code to see one method for plotting the data
ggplot(data = il_data_2, 
       aes(x = year, y = count, group = county)) +
    geom_line() +
    facet_grid(age ~ . ) +
    stat_smooth(method = "glm",
                method.args = list(family = "poisson"), 
                se = FALSE,
                alpha = 0.5) +
    theme_minimal()

Edytuj i uruchom kod