1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Mô hình phân cấp và hiệu ứng hỗn hợp trong R
Connected

Bài tập

Hệ số dốc hiệu ứng ngẫu nhiên

Trong bài tập trước, bạn đã thấy cách viết mã cho chặn (intercept) hiệu ứng ngẫu nhiên. Bây giờ bạn sẽ xem cách viết mã cho hệ số dốc (slope) hiệu ứng ngẫu nhiên. Với cú pháp của lme4, lmer() dùng (countinuous_predictor | random_effect_group) cho một hệ số dốc hiệu ứng ngẫu nhiên. Khi lme4 ước lượng một hệ số dốc hiệu ứng ngẫu nhiên, nó cũng ước lượng một chặn hiệu ứng ngẫu nhiên. scale() chuẩn hóa biến dự báo mathkind để mô hình ổn định số học hơn. Nếu không thay đổi này, lmer() không thể khớp mô hình.

Trong bài tập trước, bạn đã ước lượng một chặn hiệu ứng ngẫu nhiên cho mỗi lớp học và một slope chung cho toàn bộ dữ liệu. Ở đây, bạn sẽ ước lượng một chặn hiệu ứng ngẫu nhiên cho mỗi lớp và một hệ số dốc hiệu ứng ngẫu nhiên cho mỗi lớp học. Giống như chặn hiệu ứng ngẫu nhiên, hệ số dốc hiệu ứng ngẫu nhiên cũng đến từ một phân phối chung của tất cả các hệ số dốc hiệu ứng ngẫu nhiên.

Hướng dẫn 1/2

undefined XP
    1
    2
  • Chạy mã hiện có để chuẩn hóa mathkind thành mathkind_scaled.
  • Dùng hàm lmer() từ gói lme4 để khớp mô hình chặn hiệu ứng ngẫu nhiên. Mô hình này giống với mô hình bạn đã khớp trước đó, nhưng dùng mathkind_scaled để dự báo mathgain. classid là hiệu ứng ngẫu nhiên. Sử dụng student_data.
  • Dùng hàm lmer() từ gói lme4 để khớp mô hình hệ số dốc hiệu ứng ngẫu nhiên. mathgain được dự báo bởi mathkind_scaled như một hệ số dốc hiệu ứng ngẫu nhiên và classid là nhóm hiệu ứng ngẫu nhiên.