Schlussfolgerungen zu Koeffizienten

Mit dem Datensatz zu italienischen Restaurants in NYC (zusammengetragen von Simon Sheather in A Modern Approach to Regression with R), restNYC, untersuchst du, wie sich die Signifikanz der Koeffizienten verändert, wenn mehrere Variablen im Modell enthalten sind. Denk daran: Der p-Wert zu einem Koeffizienten ist die Wahrscheinlichkeit der beobachteten Daten unter der Annahme, dass die betreffende Variable unabhängig von der Antwort ist UND dass alle anderen Variablen im Modell enthalten sind.

Folgende Informationen beziehen sich auf den Datensatz restNYC, der in deinem Workspace geladen ist:

Jede Zeile entspricht einer Kundenumfrage aus italienischen Restaurants in NYC
Price = Preis (in US$) für das Abendessen (inklusive Trinkgeld und einem Getränk)
Service = Bewertung des Service (von 1 bis 30)
Food = Bewertung des Essens (von 1 bis 30)
Decor = Bewertung der Einrichtung (von 1 bis 30)

Diese Übung ist Teil des Kurses

Schlussfolgern bei der linearen Regression in R

Kurs anzeigen

Anleitung zur Übung

Führe ein tidy-lm aus, das Price auf Service regressiert.
Führe ein tidy-lm aus, das Price auf Service, Food und Decor regressiert.
Was ist mit der Signifikanz von Service passiert, als dem Modell weitere Variablen hinzugefügt wurden?

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Output the first model


# Output the second model

Code bearbeiten und ausführen