Kom igångKom igång gratis

Visa resultat från en lmer-modell

Datavetare behöver kommunicera sitt arbete, och DataCamp erbjuder kurser i ämnet. Att förklara ditt arbete hjälper din publik att förstå resultaten. Anpassa presentationen efter publikens kunskapsnivå och förväntningar.

För icke-tekniska målgrupper räcker det att lyfta fram de viktigaste slutsatserna från din analys. Du kan till exempel säga: kommuner med äldre mödrar tenderar att ha lägre födelsetal. För tekniska målgrupper bör du inkludera detaljer som koefficientestimat, konfidensintervall och teststatistik. Böcker som The Chicago Guide to Writing about Multivariate Analysis ger konkreta råd om hur man beskriver regressionsresultat.

I den här övningen extraherar och plottar du fasta effekter. Förutom att plotta koefficienterna (med geom_point()) och deras 95-procentiga konfidensintervall (med geom_linerange()), lägger du till en röd linje i plotten för att visa var noll befinner sig (med geom_hline()). Om ett 95-procentigt konfidensintervall inte inkluderar noll skiljer sig koefficientestimatet från noll.

coord_flip() krävs eftersom ggplot inte stöder xmin eller xmax, enbart ymin och ymax. Och theme_minimal() ändrar temat från standardutseendet.

Teknisk notering: Att extrahera regressionskoefficienter från lmer är inte helt rättframt (se diskussionen mellan författarna till lmer och broom).

Den här övningen är en del av kursen

Hierarkiska modeller och modeller med blandade effekter i R

Visa kurs

Övningsinstruktioner

  • Extrahera koefficienterna från modellen out med tidy() från paketet broom.mixed. Inkludera konfidensintervallet.
  • Använd den befintliga koden för att filtrera bort estimaten för slumpmässiga effekter.
  • Skriv ut koefficiienttabellen i konsolen.
  • Plotta resultaten med ggplot2. Använd term för x-axeln, estimate för y-axeln, conf.low för ymin och conf.high för ymax.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Extract out the parameter estimates and confidence intervals
coef_estimates <-
	___(___, ___) %>%
	filter(effect == "fixed")

# Print the new dataframe
print(___)

# Plot the results using ggplot2
ggplot(coef_estimates, aes(x = ___, y = ___,
                     ymin = ___, ymax = ___)) +
    geom_hline( yintercept = 0, color = 'red' ) +
    geom_linerange() + geom_point() + coord_flip() + theme_minimal()
Redigera och kör kod