Anpassen einer Parallel-Slopes-Linearen Regression
In Introduction to Regression in R hast du gelernt, lineare Regressionsmodelle mit einer einzelnen erklärenden Variable anzupassen. In vielen Fällen schränkt die Verwendung nur einer erklärenden Variable die Genauigkeit von Vorhersagen ein. Um die lineare Regression wirklich zu beherrschen, musst du daher mehrere erklärende Variablen einbeziehen können.
Der Fall mit einer numerischen und einer kategorialen erklärenden Variable wird aufgrund der Form der Vorhersagen manchmal als „Parallel-Slopes“-lineare Regression bezeichnet – mehr dazu in der nächsten Übung.
Hier schaust du dir erneut den Taiwan-Immobiliendatensatz an. Erinnere dich an die Bedeutung der einzelnen Variablen.
| Variable | Bedeutung |
|---|---|
dist_to_mrt_station_m |
Entfernung zur nächsten MRT-U-Bahnstation in Metern. |
n_convenience |
Anzahl der fußläufig erreichbaren Convenience Stores. |
house_age_years |
Alter des Hauses in Jahren, in 3 Gruppen. |
price_twd_msq |
Hauspreis pro Flächeneinheit in New Taiwan Dollar pro Quadratmeter. |
taiwan_real_estate ist verfügbar.
Diese Übung ist Teil des Kurses
Fortgeschrittene Regression in R
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Fit a linear regr'n of price_twd_msq vs. n_convenience
mdl_price_vs_conv <- ___
# See the result
mdl_price_vs_conv