Losowe nachylenia
W poprzednim ćwiczeniu estymowano losowe wyrazy wolne dla każdego stanu. Pozwoliło to uwzględnić fakt, że każdy stan ma własny wyraz wolny. W tym ćwiczeniu wyestymujesz losowe nachylenie dla każdego stanu. Na przykład – log\(_{10}\)(całkowita populacja danego hrabstwa), LogTotalPop, może wpływać na wskaźnik urodzeń w hrabstwie I jednocześnie różnić się w zależności od stanu.
Przypomnij sobie z filmu: losowe nachylenie można wyestymować dla każdej grupy przy użyciu składni (slope | group) w funkcji lmer().
W tym ćwiczeniu dopasuj model efektów mieszanych, który szacuje wpływ średniego wieku matki, uwzględniając stan i całkowitą populację jako efekty losowe.
Jak wyniki tego modelu wypadają w porównaniu z poprzednim zbudowanym przez ciebie modelem?
To ćwiczenie jest częścią kursu
Hierarchiczne i mieszane modele efektów w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Include the AverageAgeofMother as fixed-effect and State as a random-effect
model_a <- lmer(BirthRate ~ ___ + (___), county_births_data)
tidy(___)
# Include the AverageAgeofMother as fixed-effect and LogTotalPop and State as random-effects
model_b <- lmer(BirthRate ~ ___ + (___), county_births_data)
tidy(___)