Výstup regrese: příklad I

Následující kód ukazuje dva ekvivalentní způsoby, jak získat nejdůležitější části výstupu lineárního modelu. Připomeň si, že p-hodnota je pravděpodobnost pozorovaných dat (nebo extrémnějších) za předpokladu platnosti nulové hypotézy. Stejně jako u inferenčních metod v jiných kontextech budeš potřebovat výběrové rozdělení testové statistiky (v tomto případě směrnice) za předpokladu platnosti nulové hypotézy. Nulové výběrové rozdělení si odvodíš v pozdějších kapitolách – prozatím předpokládej, že je správné. Všimni si také, že standardní chyby odhadů směrnice a průsečíku popisují variabilitu těchto odhadů.

Toto cvičení je součástí kurzu

Inference for Linear Regression in R

Zobrazit kurz

Pokyny k cvičení

Načti balíček mosaicData a data RailTrail. Datová sada RailTrail obsahuje informace o počtu uživatelů stezky ve Florence ve státě Massachusetts a o počasí v jednotlivých dnech.
Pomocí funkce lm() sestav lineární model, který regresuje proměnnou volume (počet jezdců) na proměnnou hightemp (nejvyšší teplota dne). Výstup funkce lm() ulož do objektu ride_lm.
Použij funkci summary() na výstup lineárního modelu, aby ses podíval/a na inferenční analýzu (včetně p-hodnoty pro směrnici).
Dále na výstup lineárního modelu aplikuj funkci tidy(), aby bylo snazší s ním pracovat později.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Load the mosaicData package and the RailTrail data
library(mosaicData)
data(RailTrail)

# Fit a linear model
ride_lm <- ___

# View the summary of your model
___

# Print the tidy model output
___

Upravit a spustit kód