Kom igångKom igång gratis

Slumpmässiga lutningseffekter

I föregående övning såg du hur man kodar slumpmässiga intercepteffekter. Nu ska du se hur man kodar slumpmässiga lutningseffekter. Med lme4-syntax använder lmer() (kontinuerlig_prediktor | slumpmässig_effekt_grupp) för en slumpmässig lutningseffekt. När lme4 skattar en slumpmässig lutningseffekt skattar den även ett slumpmässigt intercept. scale() skalerar om prediktorn mathkind för att göra modellen numeriskt stabilare. Utan den här förändringen kan lmer() inte anpassa modellen.

I föregående övning skattade du ett slumpmässigt intercept för varje klassrum och en gemensam lutning för all data. Här ska du i stället skatta ett slumpmässigt intercept och en slumpmässig lutningseffekt för varje klassrum. Precis som ett slumpmässigt intercept hämtas en slumpmässig lutningseffekt från en gemensam fördelning av alla slumpmässiga lutningseffekter.

Den här övningen är en del av kursen

Hierarkiska modeller och modeller med blandade effekter i R

Visa kurs

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Rescale mathkind to make the model more stable
student_data <-
	student_data %>%
    mutate(mathkind_scaled = scale(mathkind))

# Build lmer models
lmer_intercept <- lmer(___ ~ ___ + (1 | ___),
                       data = ___)
lmer_slope     <- lmer(___ ~ (___ | ___),
                       data = ___)
Redigera och kör kod