隨機效果斜率
在前一個練習中，你已看到如何設定隨機效果的截距。現在你會看到如何設定隨機效果的斜率。依照 lme4 的語法，lmer() 以 (countinuous_predictor | random_effect_group) 來指定隨機效果斜率。當 lme4 估計隨機效果斜率時，也會同時估計隨機效果截距。
scale() 會重新縮放預測變數 mathkind，讓模型在數值上更穩定。若不做這個調整，lmer() 將無法配適模型。
在前一個練習中，你為每個班級估計了一個隨機效果截距，並為所有資料配適了一個共同的 slope。在這裡，你將為每個班級估計一個隨機效果截距，並為每個班級估計一個隨機效果斜率。和隨機效果截距一樣，隨機效果斜率也來自所有隨機效果斜率共享的分佈。
本練習屬於課程
R 的階層式與混合效果模型
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。
# 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 = ___)