1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Intermediate Regression in R
Connected

cvičení

Fitting a parallel slopes linear regression

V kurzu Introduction to Regression in R jsi se naučil/a sestavovat modely lineární regrese s jednou vysvětlující proměnnou. V praxi ale jediná vysvětlující proměnná často nestačí k přesným předpovědím. Abys lineární regresi skutečně ovládl/a, potřebuješ umět pracovat s více vysvětlujícími proměnnými.

Případ, kdy máš jednu číselnou a jednu kategorickou vysvětlující proměnnou, se někdy nazývá regrese s „rovnoběžnými přímkami" – název vychází z tvaru předpovědí. Víc se o tom dozvíš v příštím cvičení.

Tady se vrátíme k datové sadě taiwanských nemovitostí. Připomeň si, co jednotlivé proměnné znamenají.

Proměnná Význam
dist_to_mrt_station_m Vzdálenost k nejbližší stanici metra MRT v metrech.
n_convenience Počet prodejen v dostupné vzdálenosti pěšky.
house_age_years Stáří domu v letech, rozdělené do 3 skupin.
price_twd_msq Cena nemovitosti za jednotku plochy v nových tchajwanských dolarech za m².

Dataset taiwan_real_estate je k dispozici.

Instrukce 1/3

undefined XP
  • 1
    • Pomocí datasetu taiwan_real_estate sestav model ceny nemovitosti (v TWD za m²) v závislosti na počtu blízkých prodejen.
  • 2
    • Sestav model ceny nemovitosti (v TWD za m²) v závislosti na stáří domu (v letech). Intercept do modelu nezahrnuj.
  • 3
    • Sestav model ceny nemovitosti (v TWD za m²) v závislosti na počtu blízkých prodejen a stáří domu (v letech). Intercept do modelu nezahrnuj.