随机效应斜率
在上一个练习中，您已经了解了如何编写随机效应截距。现在，您将看到如何编写随机效应斜率。在 lme4 的语法中，lmer() 使用 (countinuous_predictor | random_effect_group) 来表示随机效应斜率。当 lme4 估计随机效应斜率时，也会同时估计随机效应截距。
scale() 会对预测变量 mathkind 进行重新缩放，以提升模型的数值稳定性。若不进行该调整，lmer() 将无法拟合模型。
在之前的练习中，您为每个课堂估计了一个随机效应截距，并为所有数据拟合了一个共同的 slope。在这里，您将为每个班级估计一个随机效应截距，并为每个课堂估计一个随机效应斜率。与随机效应截距类似，随机效应斜率同样来自于所有随机效应斜率共享的分布。
本练习是课程的一部分
R 中的分层与混合效应模型
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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 = ___)