Losowe nachylenia
W poprzednim ćwiczeniu poznałeś sposób kodowania losowych efektów dla wyrazów wolnych. Teraz zobaczysz, jak kodować losowe nachylenia. W składni lme4 funkcja lmer() używa zapisu (continuous_predictor | random_effect_group) dla losowego nachylenia. Gdy lme4 estymuje losowe nachylenie, równocześnie estymuje też losowy wyraz wolny.
scale() przeskalowuje zmienną predyktorową mathkind, aby model był bardziej stabilny numerycznie. Bez tej zmiany lmer() nie jest w stanie dopasować modelu.
W poprzednim ćwiczeniu estymowałeś losowy wyraz wolny dla każdej klasy oraz jedno nachylenie dla wszystkich danych. Tutaj wyestymujesz losowy wyraz wolny dla każdej klasy oraz losowe nachylenie dla każdej klasy. Podobnie jak losowy wyraz wolny, losowe nachylenie pochodzi ze wspólnego rozkładu wszystkich losowych nachyleń.
To ćwiczenie jest częścią kursu
Hierarchiczne i mieszane modele efektów w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Rescale mathkind to make the model more stable
student_data <-
student_data %>%
mutate(mathkind_scaled = scale(mathkind))
# Build lmer models
lmer_intercept <- lmer(___ ~ ___ + (1 | ___),
data = ___)
lmer_slope <- lmer(___ ~ (___ | ___),
data = ___)