Logistische Regressionsausgaben prüfen und interpretieren

In der vorherigen Übung hast du eine logistische Regression bus_out geschätzt. In dieser Übung untersuchst du bus_out und interpretierst die Regressionsergebnisse mit den Werkzeugen aus Kapitel 1:

• print() enthält die Koeffizientenschätzungen (also Steigungen und Achsenabschnitte) für verschiedene Prädiktorvariablen sowie Informationen zur Modellgüte wie die Deviance.
• summary() umfasst die print()-Ausgaben sowie Standardfehler, z-Werte und p-Werte für die Koeffizientenschätzungen.
• tidy() gibt die Koeffiziententabelle aus summary() als tidy Data Frame aus.

Erinnere dich: Regressionskoeffizienten helfen uns, sowohl die Richtung der Zusammenhänge als auch die statistische Signifikanz der Koeffizienten zu verstehen. Bei der logistischen Regression zeigt ein positiver Koeffizient an, dass die Wahrscheinlichkeit eines Ereignisses steigt, wenn ein Prädiktor zunimmt.