Klamidya sonuçlarını görselleştirme

Önceki egzersizde Illinois klamidya verilerine bir GLMER uydurdun. Bu egzersizde, sonuçları nasıl gösterebileceğine dair bazı yöntemleri gözden geçireceğiz. Bu yöntemleri, bir müşteri için ya da bulgularını anlattığın bir belgede model özetleri almak için kullanabilirsin. Yine de, sonuçları görselleştirmek için kendi yöntemlerini oluşturabilmek adına model çıktılarıyla oynamayı ve keşfetmeyi kendin öğrenmeni öneririm. Kendi özgün yöntemlerini geliştirmek bir veri bilimcisi olarak öne çıkmana yardımcı olabilir!

Yapacakların:

Model tahminlerini incele.
Veriyi görselleştir ve her yaş sınıfına ayrı bir glm uydur. glmer() çıktılarıyla bire bir aynı olmasa da, bu yaklaşım sonuçları görsel olarak kolay anlaşılır bir şekilde sunmana yardımcı olur.

Bu egzersiz

R'da Hiyerarşik ve Karma Etkili Modeller

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

model_out içindeki sabit etki tahminlerini fixef() kullanarak çıkar.
model_out içindeki rastgele etki tahminlerini ranef() kullanarak çıkar.
Veriyi ggplot2 yöntemleriyle çizdirmek için kodu çalıştır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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()

Kodu Düzenle ve Çalıştır