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.
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.
# 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 = ___)