Modelar una interacción

En este ejercicio, usarás interacciones para modelar el efecto del sexo y la actividad gástrica en el metabolismo del alcohol.

El data frame alcohol ya está cargado e incluye las columnas:

Metabol: la tasa de metabolismo del alcohol
Gastric: la tasa de actividad de la deshidrogenasa alcohólica gástrica
Sex: el sexo de la persona que bebe (Male o Female)

En el vídeo, ajustamos tres modelos a los datos de alcohol:

uno con solo términos aditivos (efectos principales): Metabol ~ Gastric + Sex
dos modelos, cada uno con interacciones entre la actividad gástrica y el sexo

Viste que uno de los modelos con términos de interacción tenía un R-cuadrado mejor que el modelo aditivo, lo que sugiere que usar términos de interacción da un mejor ajuste. En este ejercicio, compararás el R-cuadrado de uno de los modelos con interacción con el modelo solo con efectos principales.

Recuerda que el operador : indica la interacción entre dos variables. El operador * indica la interacción entre las dos variables, más los efectos principales.

x*y = x + y + x:y

Este ejercicio forma parte del curso

Aprendizaje supervisado en R: Regresión

Ver curso

Instrucciones del ejercicio

Escribe una fórmula que exprese Metabol como función de Gastric y Sex sin interacciones.
- Asigna la fórmula a la variable fmla_add e imprímela.
Escribe una fórmula que exprese Metabol como función de la interacción entre Gastric y Sex.
- Añade Gastric como efecto principal, pero no Sex.
- Asigna la fórmula a la variable fmla_interaction e imprímela.
Ajusta un modelo lineal solo con efectos principales: model_add con los datos.
Ajusta un modelo lineal con la interacción: model_interaction con los datos.
Llama a summary() en ambos modelos. ¿Cuál tiene mejor R-cuadrado?

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# 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
___
___

Editar y ejecutar código