Régression logistique non linéaire

Au chapitre 3, vous avez examiné la distance parcourue par les personnes qui se déplacent et l'effet linéaire de cette distance sur la probabilité qu'une personne prenne l'autobus. Mais si cette relation est non linéaire et non monotone?

probitVsLogit

Par exemple, si les personnes qui parcourent les plus courtes et les plus longues distances sont moins susceptibles de prendre l'autobus? Vous pouvez ajouter des termes non linéaires aux formules en R à l'aide de la fonction I(..) dans votre formule. Par exemple, y~I(x^2) vous permet d'estimer un coefficient pour x*x. Dans cet exercice, vous allez examiner de nouveau les données sur l'autobus.

Cette activité fait partie du cours

Modèles linéaires généralisés (GLM) en R

Voir le cours

Instructions de l’exercice

Ajoutez la formule y ~ I(x^2) à l'option formula dans le deuxième appel à geom_smooth().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Plot linear effect of travel distance on probability of taking the bus
gg_jitter <-
	ggplot(data = bus, aes(x = MilesOneWay, y = Bus2)) + 
	geom_jitter(width = 0, height = 0.05) + 
	geom_smooth(method = 'glm', 
                method.args = list(family = 'binomial'))

# Add a non-linear equation to a geom_smooth()
gg_jitter +
	geom_smooth(method = 'glm', 
                method.args = list(family = 'binomial'), 
                formula = ___, 
                color = 'red')

Modifier et exécuter le code