Nästling efter topic och country

I det förra kapitlet byggde du en linjär modell för varje land genom att nästla data för varje land, anpassa en modell till varje datamängd och sedan städa upp varje modell med broom och onästla koefficienterna. Koden såg ut ungefär så här:

country_coefficients <- by_year_country %>%
  nest(-country) %>%
  mutate(model = map(data, ~ lm(percent_yes ~ year, data = .)),
         tidied = map(model, tidy)) %>%
  unnest(tidied)

Nu ska du återigen modellera förändringen i andelen "ja"-röster över tid, men istället för att anpassa en modell per land anpassar du en modell för varje kombination av land och topic.

Den här övningen är en del av kursen

Fallstudie: Explorativ dataanalys i R

Visa kurs

Övningsinstruktioner

Läs in paketen purrr, tidyr och broom.
Skriv ut datamängden by_country_year_topic i konsolen.
Anpassa en linjär modell för varje kombination av land och topic i den här datamängden och spara resultatet som country_topic_coefficients. Du kan använda den befintliga koden som utgångspunkt.
Skriv ut datamängden country_topic_coefficients i konsolen.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Load purrr, tidyr, and broom


# Print by_country_year_topic


# Fit model on the by_country_year_topic dataset


# Print country_topic_coefficients

Redigera och kör kod