broom verwenden

Viele Programmieraufgaben sind leichter, wenn du alle Daten in Data Frames hältst. Das gilt besonders, wenn du Fan des tidyverse bist, wo dplyr und ggplot2 mit Data Frames arbeiten. Das Paket broom enthält Funktionen, die Modelle in drei Data Frames zerlegen: einen für Elemente auf Koeffizientenebene (die Koeffizienten selbst sowie p-Werte für jeden Koeffizienten), einen für Elemente auf Beobachtungsebene (wie angepasste Werte und Residuen) und einen für Elemente auf Modellebene (hauptsächlich Leistungskennzahlen).

Die Funktionen in broom sind generisch. Das heißt, sie funktionieren mit vielen Modelltypen, nicht nur mit linearen Regressionsobjekten. Sie funktionieren auch mit logistischen Regressionsmodellen (wie du in Kapitel 4 sehen wirst) und vielen anderen Modellarten.

mdl_price_vs_conv ist verfügbar und broom ist geladen.