Xây dựng mô hình lmer với hiệu ứng ngẫu nhiên
Trong video, bạn đã tìm hiểu về dữ liệu tỷ lệ sinh theo quận. Các quận nằm trong các bang và có thể các bang góp phần vào độ biến thiên. Trong chuỗi bài tập này, bạn sẽ xây dựng một loạt mô hình mixed-effects sử dụng bộ dữ liệu này.
Trong bài này, bạn sẽ xây dựng một mô hình phân cấp với intercept toàn cục (fixed-effect) và hiệu ứng ngẫu nhiên theo bang. Sau đó bạn sẽ xem summary() của mô hình và plot() phần dư. Tương tự các phân tích hồi quy khác, kiểm tra phần dư giúp bạn phát hiện liệu mô hình có vấn đề gì không.
Với lmer(), có hai cách viết: y ~ 1 + (1 | random_effect) hoặc cách rút gọn y ~ (1 | random_effect). Hãy dùng cách rút gọn trong bài này để bài làm vượt qua kiểm thử của DataCamp.
Khi xây dựng mô hình mixed-effects, bắt đầu từ các mô hình đơn giản như mô hình intercept toàn cục giúp kiểm tra xem dữ liệu hoặc mã có vấn đề gì không. Global intercept giả định một intercept duy nhất có thể mô tả toàn bộ độ biến thiên trong dữ liệu. Một cách hiểu intercept toàn cục là: bạn không thể xây dựng mô hình tốt hơn ngoài việc chỉ mô hình hóa giá trị trung bình mà không thêm bất kỳ biến dự báo nào khác.
Bài tập này là một phần của khóa học
Mô hình phân cấp và hiệu ứng hỗn hợp trong R
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Build a lmer with State as a random effect
birth_rate_state_model <- lmer(___,
data =___)