Budowanie modelu lmer z efektami losowymi

W filmie poznałeś dane dotyczące współczynnika urodzeń na poziomie powiatów. Powiaty należą do stanów, a stany mogą przyczyniać się do zmienności w danych. W tych ćwiczeniach zbudujesz serię modeli mieszanych na podstawie tych danych.

W tym ćwiczeniu zbudujesz model hierarchiczny z globalnym wyrazem wolnym (efekt stały) oraz efektem losowym dla stanu. Następnie przejrzysz wyniki summary() modelu i wykres plot() reszt. Podobnie jak w innych typach analizy regresji, badanie reszt pozwala sprawdzić, czy z modelem nie dzieje się coś niepokojącego.

W funkcji lmer() dostępne są dwa sposoby zapisu: y ~ 1 + (1 | random_effect) lub skrót: y ~ (1 | random_effect). W tym ćwiczeniu użyj skrótu, aby twoja odpowiedź przeszła test DataCamp.

Budując modele mieszane, warto zaczynać od prostych modeli – takich jak model z globalnym wyrazem wolnym – by sprawdzić, czy w danych lub kodzie nie ma błędów. Globalny wyraz wolny zakłada, że jedynym wyrazem wolnym można opisać całą zmienność w danych. Można to rozumieć tak: nie da się lepiej modelować tych danych, niż przez samo modelowanie średniej bez uwzględniania jakichkolwiek innych predyktorów.