顯示 lmer 模型的結果
資料科學家必須能夠清楚表達自己的工作，而 DataCamp 也提供了相關的［課程］(https://www.datacamp.com/courses/communicating-with-data-in-the-tidyverse)。 說明你的工作有助於讓受眾理解結果。 要做到這點，請根據受眾的知識程度與期待來調整你的呈現方式。
對非技術受眾，請描述輸出中最重要的發現。例如，你可以說，母親年齡較高的郡，出生率往往較低。 對技術受眾，請包含係數估計值、信賴區間與檢定統計量等細節。 像是 The Chicago Guide to Writing about Multivariate Analysis 這類書籍提供了描述迴歸輸出的建議。
在本練習中，你會擷取並繪製固定效果。除了繪製係數（使用 geom_point()）以及其 95% 信賴區間（使用 geom_linerange()）之外，你還會在圖上加入紅色水平線來幫助辨識 0 的位置（使用 geom_hline()）。如果 95% 信賴區間不包含 0，則該係數的估計與 0 有顯著差異。
因為 ggplot 不支援 xmin 或 xmax，只支援 ymin 與 ymax，所以需要使用 coord_flip()。另外，theme_minimal() 會把主題改成非預設樣式。
技術說明： 從 lmer 萃取迴歸係數並不容易（可參考 lmer 與 broom 作者之間的［討論］(https://github.com/tidyverse/broom/issues/96)）。
本練習屬於課程
R 的階層式與混合效果模型
練習說明
- 使用
broom.mixed套件的tidy()從模型out擷取係數，並包含信賴區間。 - 使用既有的程式碼來篩掉隨機效果的估計值。
- 將係數表格列印到螢幕上。
- 使用
ggplot2繪製輸出。x 軸使用term，y 軸使用estimate，ymin使用conf.low，ymax使用conf.high。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Extract out the parameter estimates and confidence intervals
coef_estimates <-
___(___, ___) %>%
filter(effect == "fixed")
# Print the new dataframe
print(___)
# Plot the results using ggplot2
ggplot(coef_estimates, aes(x = ___, y = ___,
ymin = ___, ymax = ___)) +
geom_hline( yintercept = 0, color = 'red' ) +
geom_linerange() + geom_point() + coord_flip() + theme_minimal()