Interpréter des coefficients transformés

Transformer des variables est un outil puissant lorsqu'on effectue des régressions linéaires. Cependant, les estimations des paramètres doivent être interprétées avec soin dans un modèle comportant des variables transformées.

Considérez des données recueillies par Andrew Bray au Reed College sur les caractéristiques des maisons de Los Angeles en 2010. Le modèle est présenté ci-dessous, et votre tâche est de fournir l'interprétation appropriée du coefficient de log(sqft).

Remarque : vous devez éviter toute interprétation causale. Une superficie supplémentaire ne fait pas nécessairement augmenter le prix d'une maison en particulier. L'interprétation du coefficient décrit l'estimation du prix moyen des maisons pour une superficie donnée.

Vous devrez exécuter le modèle linéaire avant de répondre à la question :

lm(log(price) ~ log(sqft), data = LAhomes) %>% tidy()

Réponses possibles

Chaque pied carré supplémentaire de superficie produit une estimation du prix moyen supérieure de 1,44 $.

Chaque pied carré supplémentaire de superficie produit une estimation du prix moyen supérieure de 1 442 $.

Chaque pied carré supplémentaire de superficie produit une estimation du prix moyen supérieure de 1,44 %.

Chaque augmentation de 1 % de la superficie produit une estimation du prix moyen supérieure de 1,44 $.

Chaque augmentation de 1 % de la superficie produit une estimation du prix moyen supérieure de 1,44 %.

Exercice

Interpréter des coefficients transformés

Instructions

Réponses possibles

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}Exercice

Instructions

Réponses possibles

Exercice