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

Bài tập

Giao điểm (intercept) hiệu ứng ngẫu nhiên

Các mô hình tuyến tính trong R ước lượng các tham số được xem là cố định hay phi ngẫu nhiên, gọi là hiệu ứng cố định (fixed-effects). Ngược lại, các tham số hiệu ứng ngẫu nhiên giả định dữ liệu chia sẻ cùng một phân phối sai số và có thể tạo ra các ước lượng khác nhau khi dữ liệu ít hoặc có ngoại lệ (outlier). Mô hình kết hợp cả hiệu ứng cố định và hiệu ứng ngẫu nhiên được gọi là mô hình hỗn hợp hay hồi quy tuyến tính hỗn hợp.

Gói lme4 khớp các mô hình hỗn hợp (mô hình có cả hiệu ứng cố định và ngẫu nhiên) bằng hàm lmer(), sử dụng công thức tương tự lm(). Tuy nhiên, intercept của hiệu ứng ngẫu nhiên dùng cú pháp đặc biệt:

lmer(y ~ x + (1 | random-effect), data = my_data)

Hàm lmer() bắt buộc mô hình phải có ít nhất một hiệu ứng ngẫu nhiên, nếu không sẽ báo lỗi. Ở đây, bạn sẽ khớp một mô hình lm() và một mô hình lmer(), rồi so sánh trực quan các mô hình đã khớp bằng cách dùng một tập con dữ liệu. Chúng tôi cung cấp sẵn mã vì cần thao tác dữ liệu nâng cao, do hiệu ứng ngẫu nhiên thường không được vẽ trực tiếp (và ggplot2 cũng không có sẵn tùy chọn đẹp cho mô hình hỗn hợp). Trên biểu đồ, hãy để ý các đường nét đứt từ độ dốc hiệu ứng ngẫu nhiên so với các đường nét liền từ độ dốc hiệu ứng cố định.

Lưu ý: cần dùng broom.mixed vì gói broom không hỗ trợ lme4.

Hướng dẫn 1/3

undefined XP
    1
    2
    3
  • Xây dựng mô hình tuyến tính dự đoán mathgain theo classid + mathkind dùng student_data. Lưu kết quả là lm_out.
  • Xây dựng mô hình hồi quy tuyến tính hỗn hợp dự đoán mathgain theo mathkind như một hiệu ứng cố định và classid như một hiệu ứng ngẫu nhiên dùng student_data.
  • Chạy mã có sẵn để trích xuất chi tiết hệ số mathkind.