Régression logistique non linéaire

Au chapitre 3, vous avez étudié la distance parcourue par les personnes en trajet domicile-travail et l’effet linéaire de cette distance sur la probabilité de prendre le bus. Mais que se passe-t-il si cette relation est non linéaire et non monotone ?

probitVsLogit

Par exemple, et si les personnes qui ont les trajets les plus courts et les plus longs étaient moins susceptibles de prendre le bus ? Vous pouvez ajouter des termes non linéaires aux formules en R à l’aide de la fonction I(..) dans la formule. Par exemple, y~I(x^2) vous permet d’estimer un coefficient pour x*x. Dans cet exercice, vous allez examiner plus en détail les données sur le bus.

Cet exercice fait partie du cours

Modèles Linéaires Généralisés (GLM) en R

Afficher le cours

Instructions

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 cet exemple de code.

# 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