Okorrelerad slumpmässig effekt för lutning
I den föregående övningen använde du standardinställningen i lme4 och antog att lutningar och intercept inom varje grupp var korrelerade för skattningarna av de slumpmässiga effekterna. Det antagandet är dock inte alltid giltigt, och ibland kan det vara motiverat att förenkla modellen om du har svårt att anpassa den numeriskt.
Att bygga en modell med okorrelerade slumpmässiga effekter är ett sätt att potentiellt förenkla modellen. Dessutom kan lmer()-modeller vara svåra att anpassa, och att granska modellutdata kan vara ett användbart steg vid felsökning. Det kan också vara så att du har ämneskunskaper som motiverar antagandet att de slumpmässiga effekterna inte är korrelerade.
För att anpassa en modell med en okorrelerad slumpmässig effekt för lutning, använd || i stället för | i lmer()-syntaxen.
Den andra modellen du byggde i föregående övning, model_b, har laddats åt dig. Jämför utdata från model_c med de gamla utdata från model_b.
lme4-vinjetten lmer vignette innehåller ett avsnitt om okorrelerade slumpmässiga effekter.
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 AverageAgeofMother as fixed-effect and LogTotalPop and State as uncorrelated random-effects
model_c <- lmer(BirthRate ~ ___,
county_births_data)
# Compare outputs of both models
summary(model_b)
summary(model_c)