Inclinações de efeito aleatório
No exercício anterior, você estimou interceptos de efeito aleatório para cada estado. Isso permitiu considerar que cada estado tem seu próprio intercepto. Neste exercício, você vai estimar uma inclinação de efeito aleatório para cada estado. Por exemplo, talvez o log\(_{10}\)(da população total de cada condado), LogTotalPop, altere a taxa de natalidade de um condado E varie por estado.
Lembre-se do vídeo: uma slope de efeito aleatório pode ser estimada para cada group usando a sintaxe (slope | group) com lmer().
Neste exercício, ajuste um modelo de efeitos mistos que estime o efeito da idade média da mãe, levando em conta estado e população total como efeitos aleatórios.
Como as saídas deste modelo se comparam ao modelo anterior que você construiu?
Este exercício faz parte do curso
Modelos Hierárquicos e de Efeitos Mistos em R
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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(___)