Eğimleri yeniden ölçekleme
Son grafik, suç oranındaki değişimlerin ilçeye göre farklılık gösterdiğini ortaya koydu. Bu da modele Year değişkenini hem rassal etki hem de sabit etki olarak dahil etmen gerektiğini gösteriyor. Year değişkenini bu şekilde eklemek, tüm ilçeler için ortak (küresel) bir eğimi ve her ilçe için ayrı bir eğimi tahmin eder. Sabit etki eğimi, Maryland’deki tüm ilçelerde önemli suçlardaki değişimi tahmin eder. Rassal etki eğimi ise ilçelerin suç değişimlerinin farklı olduğunu modelde yansıtır.
Ama bu modeli kurduğunda bir uyarı mesajı alıyorsun! Bu uyarıyı gidermek için, Year değişkeninin başlangıcını 2006’dan 0’a çevir. Bu amaçla sana yeni bir değişken verdik: Year2 (örneğin, Year içinde 2006, Year2 içinde 0’dır). Regresyon kurarken bazen kesişimi 0’dan başlayacak şekilde ölçeklemek ya da merkeze almak gerekir. Bu, modelin sayısal kararlılığını artırır.
Bu egzersiz
R'da Hiyerarşik ve Karma Etkili Modeller
kursunun bir parçasıdırEgzersiz talimatları
Crime’ı,Yeardeğişkenini hem sabit etki hem de rassal etki eğimi;County’yi ise rassal etki kesişimi olacak şekilde kullanarak birlmer()kur.Crime’ı,Year2değişkenini hem sabit etki hem de rassal etki eğimi;County’yi ise rassal etki kesişimi olacak şekilde kullanarak ikinci birlmer()kur.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Fit the model with Year as both a fixed and random-effect
lmer(___ ~ Year + (1 + Year | ___) , data = md_crime)
# Fit the model with Year2 rather than Year
lmer(___ ~ Year2 + (1 + Year2 | ___) , data = md_crime)