展示 lmer 模型的结果
数据科学家必须清晰传达自己的工作，DataCamp 提供了相关课程。 解释您的工作有助于受众理解结果。 为此，请将您的呈现方式与受众的知识水平和期望相匹配。
对于非技术受众，请描述输出中的重要发现。例如，您可以说，母亲年龄较大的县通常出生率更低。 对于技术受众，请包含系数估计、置信区间和检验统计量等细节。 诸如《The Chicago Guide to Writing about Multivariate Analysis》这类书籍提供了如何描述回归输出的建议。
在本练习中，您将提取并绘制固定效应。除了绘制系数（使用 geom_point()）及其 95% 置信区间（使用 geom_linerange()）外，您还将为图形添加一条红色水平线以帮助可视化 0 的位置（使用 geom_hline()）。如果 95% 置信区间不包含 0，则该系数的估计与 0 有显著差异。
需要使用 coord_flip()，因为 ggplot 不支持 xmin 或 xmax，只支持 ymin 和 ymax。另外，theme_minimal() 会将主题从默认样式更改为极简样式。
【技术说明】：从 lmer 中提取回归系数比较棘手（参见 lmer 与 broom 作者之间的讨论）。
本练习是课程的一部分
R 中的分层与混合效应模型
练习说明
- 使用
broom.mixed包中的tidy()从模型out提取系数。包含置信区间。 - 使用现有代码过滤掉随机效应的估计值。
- 将系数表打印到屏幕上。
- 使用
ggplot2绘制输出。将term用作 x 轴，estimate用作 y 轴，conf.low作为ymin，conf.high作为ymax。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()