Slumpmässiga lutningseffekter
I den föregående övningen skattade du slumpmässiga intercept för varje delstat. Det gjorde det möjligt att ta hänsyn till att varje delstat har sitt eget intercept. I den här övningen skattar du i stället en slumpmässig lutning för varje delstat. Till exempel kan log\(_{10}\)(den totala befolkningen i varje county), LogTotalPop, påverka födelsetalet i ett county OCH variera mellan delstater.
Kom ihåg från videon att en slumpmässig slope kan skattas för varje group med syntaxen (slope | group) i lmer().
Anpassa i den här övningen en mixed-effects-modell som skattar effekten av moderns genomsnittliga ålder, med hänsyn till delstat och total befolkning som slumpmässiga effekter.
Hur skiljer sig resultaten från den här modellen jämfört med den tidigare modellen du byggde?
Den här övningen är en del av kursen
Hierarkiska modeller och modeller med blandade effekter i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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(___)