Construindo um modelo lmer com efeitos aleatórios

No vídeo, você conheceu os dados de taxa de natalidade em nível de condado. Condados existem dentro de estados e, possivelmente, os estados contribuem para a variabilidade. Ao longo destes exercícios, você vai construir uma série de modelos de efeitos mistos usando esses dados.

Neste exercício, você vai construir um modelo hierárquico com um intercepto global (efeito fixo) e um efeito aleatório para Estado. Em seguida, vai analisar o summary() do modelo e o plot() dos resíduos. Assim como em outras análises de regressão, examinar os resíduos ajuda a identificar se há algo errado com o modelo.

Com lmer(), há dois jeitos de fazer isso: y ~ 1 + (1 | random_effect) ou o atalho, y ~ (1 | random_effect). Use o atalho neste exercício para que sua resposta passe no teste do DataCamp.

Ao construir modelos de efeitos mistos, começar por modelos simples, como o de intercepto global, ajuda a verificar se existem problemas nos dados ou no código. Um intercepto global supõe que um único intercepto consegue descrever toda a variabilidade nos dados. Uma forma de interpretar um intercepto global é considerar que você não consegue modelar melhor esses dados do que apenas modelando a média, sem incluir outras variáveis preditoras.