Prezentowanie wyników modelu lmer

Naukowcy zajmujący się danymi muszą komunikować swoje wyniki – DataCamp oferuje kursy na ten temat. Dobre wyjaśnienie pracy pomaga odbiorcom zrozumieć otrzymane rezultaty. Kluczowe jest dopasowanie sposobu prezentacji do poziomu wiedzy i oczekiwań odbiorców.

Dla odbiorców bez zaplecza technicznego opisz najważniejsze wnioski płynące z wyników. Możesz na przykład powiedzieć: w powiatach, gdzie matki są starsze, wskaźniki urodzeń są zazwyczaj niższe. Dla odbiorców technicznych uwzględnij szczegóły, takie jak oszacowania współczynników, przedziały ufności i statystyki testowe. Publikacje takie jak The Chicago Guide to Writing about Multivariate Analysis zawierają wskazówki dotyczące opisywania wyników regresji.

W tym ćwiczeniu wyodrębnisz efekty stałe i zwizualizujesz je na wykresie. Oprócz naniesienia współczynników (za pomocą geom_point()) i ich 95-procentowych przedziałów ufności (za pomocą geom_linerange()), dodasz czerwoną linię, która pomoże zlokalizować na wykresie wartość zero (przy użyciu geom_hline()). Jeśli 95-procentowe przedziały ufności nie obejmują zera, oszacowanie danego współczynnika różni się od zera.

coord_flip() jest wymagane, ponieważ ggplot nie obsługuje parametrów xmin ani xmax – tylko ymin i ymax. Z kolei theme_minimal() zmienia motyw z domyślnego na minimalistyczny.

Uwaga techniczna: Wyodrębnianie współczynników regresji z lmer bywa skomplikowane (zob. dyskusja między autorami pakietów lmer i broom).

To ćwiczenie jest częścią kursu

Hierarchiczne i mieszane modele efektów w R

Zobacz kurs

Instrukcje do ćwiczenia

Wyodrębnij współczynniki z modelu out za pomocą funkcji tidy() z pakietu broom.mixed. Uwzględnij przedział ufności.
Użyj gotowego kodu, aby odfiltrować oszacowania efektów losowych.
Wyświetl tabelę współczynników na ekranie.
Zwizualizuj wyniki za pomocą ggplot2. Użyj term dla osi x, estimate dla osi y, conf.low dla ymin oraz conf.high dla ymax.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Extract out the parameter estimates and confidence intervals
coef_estimates <-
	___(___, ___) %>%
	filter(effect == "fixed")

# Print the new dataframe
print(___)

# Plot the results using ggplot2
ggplot(coef_estimates, aes(x = ___, y = ___,
                     ymin = ___, ymax = ___)) +
    geom_hline( yintercept = 0, color = 'red' ) +
    geom_linerange() + geom_point() + coord_flip() + theme_minimal()

Edytuj i uruchom kod