Kom igångKom igång gratis

Visa resultat för klamydia

I den föregående övningen anpassade du en GLMER till Illinois klamydiadata. I den här övningen går vi igenom några metoder för att presentera resultaten. Du kan använda dessa metoder för att sammanfatta modellen inför en klient eller i ett dokument där du beskriver dina resultat. Jag uppmuntrar dig dock att på egen hand utforska och hantera modellutdata för att utveckla dina egna presentationsmetoder. Att ha ett eget tillvägagångssätt kan verkligen göra dig till en mer mångsidig datavetare!

Det här ska du göra:

  1. Granska modellskattningarna.
  2. Plotta data och anpassa en glm till varje åldersklass. Även om detta inte är exakt samma som glmer()-utdata, är det en bra approximation som gör resultaten lättare att förstå visuellt.

Den här övningen är en del av kursen

Hierarkiska modeller och modeller med blandade effekter i R

Visa kurs

Övningsinstruktioner

  • Extrahera skattningarna för de fasta effekterna från model_out med hjälp av fixef().
  • Extrahera skattningarna för de slumpmässiga effekterna från model_out med hjälp av ranef().
  • Kör koden för att visualisera data med ggplot2-metoder.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Extract out fixed effects
___
# Extract out random effects 
___

# Run code to see one method for plotting the data
ggplot(data = il_data_2, 
       aes(x = year, y = count, group = county)) +
    geom_line() +
    facet_grid(age ~ . ) +
    stat_smooth(method = "glm",
                method.args = list(family = "poisson"), 
                se = FALSE,
                alpha = 0.5) +
    theme_minimal()
Redigera och kör kod