Odds Ratios berechnen
In der vorherigen Übung haben wir gesehen, wie sich der Einfluss einer Empfehlung durch Freund:innen auf Verkäufe vergleichen lässt. Regressionsausgaben sind jedoch oft schwer zu beschreiben – manchmal sind Odds Ratios einfacher zu verwenden. Mithilfe der Ergebnisse aus der vorherigen Übung berechnen wir jetzt Odds Ratios.
Auffrischung zu Odds Ratios:
- Wenn eine Odds Ratio 1,0 beträgt, haben beide Ereignisse die gleiche Chance aufzutreten. Ist die Odds Ratio für eine Empfehlung durch Freund:innen zum Beispiel 1,0, hat diese keinen Einfluss auf die Kaufentscheidung.
- Liegt eine Odds Ratio unter 1, verringert eine Empfehlung durch Freund:innen die Chance eines Kaufs. Eine Odds Ratio von 0,5 bedeutet zum Beispiel Chancen von 1:2 – also 1 Kauf auf 2 Nicht-Käufe.
- Liegt eine Odds Ratio über 1, erhöht eine Empfehlung durch Freund:innen die Chance eines Kaufs. Eine Odds Ratio von 3,0 bedeutet zum Beispiel Chancen von 3:1 – also 3 Käufe auf 1 Nicht-Kauf.
Hinweis zum Kurs-Code: Seit dem Start dieses Kurses hat das broom-Paket die Unterstützung für lme4::lmer()-Modelle eingestellt. Wenn du das selbst nachvollziehen möchtest, brauchst du das Paket broom.mixed, das auf CRAN verfügbar ist.
Diese Übung ist Teil des Kurses
Hierarchische und gemischte Effekte-Modelle in R
Anleitung zur Übung
- Sieh dir die
summary()vonmodel_outan. - Extrahiere die Koeffizienten aus
model_outmitfixef()und wandle sie durch Exponentiation in eine Odds Ratio um. Wiederhole das mitconfint(), um die Konfidenzintervalle zu erhalten. - Berechne die Konfidenzintervalle und exponentiere anschließend den Effekt von
friendsauf einen Kauf mittidy(). Achte darauf, die Parameterconf.intundexponentiatezu setzen.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Run the code to see how to calculate odds ratios
summary( ___)
exp(___(model_out))
exp(___(model_out))
# Create the tidied output
tidy(model_out, conf.int = ___, exponentiate = ___)