Eksploracja wielu poziomów: klasy i szkoły
W poprzednim ćwiczeniu prosty model liniowy nie uwzględniał struktury danych. Uczniowie uczą się w klasach, a klasy istnieją w ramach szkół – oznacza to, że uczniowie z tej samej klasy nie są od siebie niezależni. Jednym z rozwiązań jest agregacja danych poprzez obliczenie średniej dla każdego poziomu. Sposób agregacji może mieć jednak duże znaczenie, zwłaszcza w przypadku małych lub nierównolicznych grup.
W tym ćwiczeniu zagregujesz przyrosty wyników z matematyki (mathgain) na trzy różne sposoby. Po podsumowaniu danych zbadasz model liniowy na każdym poziomie.
To ćwiczenie jest częścią kursu
Hierarchiczne i mieszane modele efektów w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Summarize the student data at the classroom level
class_data <-
student_data %>%
group_by(classid, schoolid) %>%
summarize(mathgain_class = mean(mathgain),
mathknow_class = mean(mathknow),
n_class = n(), .groups = "keep")
# Model the math gain with the student-level data
lm(___ ~ ___, data = ___)
# Model the math gain with the classroom-level data
lm(___ ~ ___, data = ___)