LoslegenKostenlos starten

Eine Interaktion modellieren

In dieser Übung nutzt du Interaktionen, um den Einfluss von Geschlecht und Magenaktivität auf den Alkoholabbau zu modellieren.

Der Data Frame alcohol ist bereits geladen und enthält die Spalten:

  • Metabol: die Rate des Alkoholabbaus
  • Gastric: die Aktivität der alkoholdehydrogenase im Magen
  • Sex: das Geschlecht der trinkenden Person (Male oder Female)

Im Video haben wir drei Modelle mit den alcohol-Daten angepasst:

  • eines nur mit additiven (Haupteffekt-)Termen: Metabol ~ Gastric + Sex
  • zwei Modelle, jeweils mit Interaktionen zwischen Magenaktivität und Geschlecht

Du hast gesehen, dass eines der Modelle mit Interaktionstermen ein besseres R-Quadrat hatte als das additive Modell. Das deutet darauf hin, dass Interaktionsterme zu einer besseren Anpassung führen. In dieser Übung vergleichst du das R-Quadrat eines Interaktionsmodells mit dem Modell nur mit Haupteffekten.

Zur Erinnerung: Der Operator : bezeichnet die Interaktion zwischen zwei Variablen. Der Operator * bezeichnet die Interaktion zwischen zwei Variablen plus deren Haupteffekte.

x*y = x + y + x:y

Diese Übung ist Teil des Kurses

<Kurs>Überwachtes Lernen in R: Regression</Kurs>
Kurs ansehen

Übungsanweisungen

  • Schreibe eine Formel, die Metabol als Funktion von Gastric und Sex ohne Interaktionen ausdrückt.
    • Weisen die Formel der Variable fmla_add zu und gib sie aus.
  • Schreibe eine Formel, die Metabol als Funktion der Interaktion zwischen Gastric und Sex ausdrückt.
    • Füge Gastric als Haupteffekt hinzu, aber nicht Sex.
    • Weisen die Formel der Variable fmla_interaction zu und gib sie aus.
  • Passe ein lineares Modell nur mit Haupteffekten an: model_add auf die Daten.
  • Passe ein lineares Modell mit der Interaktion an: model_interaction auf die Daten.
  • Rufe summary() für beide Modelle auf. Welches hat das bessere R-Quadrat?

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# alcohol is available
summary(alcohol)

# Create the formula with main effects only
(fmla_add <- ___ )

# Create the formula with interactions
(fmla_interaction <- ___ )

# Fit the main effects only model
model_add <- ___

# Fit the interaction model
model_interaction <- ___

# Call summary on both models and compare
___
___
Code bearbeiten und ausführen