在這個練習中,你會先建立一個簡單的線性模型(lm()),接著再建立一個線性混合效果模型(lmer())。第一步的目的,是先確認資料用簡單模型能順利運作,因為 lm() 的輸出比 lmer() 更容易除錯。下一個練習中,你會比較兩種套用在模型上的統計推論方法。
lm()
lmer()
本練習屬於課程
試著完成這個範例程式碼,體驗一下這個練習。
# Build a simple linear model ___
本章先提供何時應使用混合效果的示例,並說明迴歸模型的各個組成部分。本章也會檢視一個具有巢狀結構的學生測驗分數資料集,以示範混合效果的應用。
本章介紹線性混合效果模型。內容涵蓋不同類型的隨機效果、如何解讀線性混合效果模型的結果,並以馬里蘭州犯罪資料示範在混合效果模型中的各種統計推論方法。
本章將線性混合效果模型擴展為包含非常態誤差項的廣義線性混合效果模型。藉由將模型改為包含非常態誤差項,你能夠建模更多具有非線性回應的資料。回顧廣義線性模型之後,本章會在混合效果模型的脈絡下探討二項式資料與計數資料。
本章說明重複量數分析如何是混合效果建模的一種特殊情況。本章先回顧成對 t 檢定與重複量數 ANOVA。接著,使用線性混合效果模型分析睡眠研究資料。最後,使用廣義線性混合效果模型,檢視紐約州隨時間變化的仇恨犯罪資料。
當前練習