Bab ini mengajarkan bahwa model linear tergeneralisasi merupakan perluasan dari model lain dalam kotak peralatan data science Anda. Bab ini juga menggunakan regresi Poisson untuk memperkenalkan model linear tergeneralisasi.

Keterbatasan model linear

Asumsi model linear

Ulangan singkat memasangkan model linear

Regresi Poisson

Menerapkan regresi Poisson di R

Membandingkan regresi linear dan Poisson

Perbandingan intersep versus rataan

Fungsi dasar lm() dengan glm()

Menerapkan summary(), print(), dan tidy() pada glm

Mengekstrak koefisien dari glm()

Memprediksi dengan glm()

GLM, perluasan kotak peralatan regresi Anda

Bab ini membahas menjalankan regresi logistik dan menelaah Hasil model.

Tinjauan regresi logistik

Melakukan pemodelan regresi logistik

Menelaah dan menafsirkan keluaran regresi logistik

Distribusi Bernoulli versus binomial

Bernoulli versus binomial

Mensimulasikan data biner

Masukan regresi logistik format long

Regresi logistik dengan input bentuk lebar (wide-form)

Membandingkan keluaran regresi logistik

Fungsi tautan—Perbandingan probit dan logit

Probit versus logit

Mencocokkan probit dan logit

Mensimulasikan logit

Mensimulasikan probit

Regresi Logistik

Bab ini mengajarkan Anda tentang menafsirkan koefisien GLM dan memplot GLM menggunakan ggplot2.

Koefisien regresi Poisson

Tautan Poisson

Koefisien lm vs. Poisson

Memplot regresi Poisson

Plot regresi Poisson

Memahami keluaran dari regresi logistik

Memahami odds ratio

Mengekstrak dan menafsirkan odds-ratio

Odds ratio & interval kepercayaan di Tidyverse

ggplot2 dan regresi binomial

Garis tren bawaan

Metode untuk garis tren

Membandingkan probit dan logit

Menafsirkan dan memvisualisasikan GLM

Dalam bab ini, Anda akan mempelajari cara melakukan regresi berganda dengan GLM di R.

Regresi logistik berganda

Memasang regresi logistik berganda

Membangun dua model

Membandingkan keluaran regresi

Membandingkan urutan variabel

Rumus di R

Kemiringan berganda

Intersep

Beberapa intersep

Asumsi regresi logistik berganda

Paradoks Simpson

Regresi logistik nonlinier

Kesimpulan

Regresi berganda dengan GLM

Bus Commuter dataset

Regresi linear adalah andalan dalam statistika, tetapi tidak mampu menangani beberapa jenis data yang lebih kompleks. Model linear tergeneralisasi (GLM) memperluas regresi linear untuk mencakup sebaran non-normal termasuk data binomial dan data cacah. Sepanjang kursus ini, Anda akan memperluas perangkat data science Anda untuk mencakup GLM di R. Sebagai bagian dari pembelajaran GLM, Anda akan mempelajari cara menyesuaikan model untuk data binomial dengan regresi logistik dan data cacah dengan regresi Poisson. Anda juga akan belajar cara memahami hasil tersebut dan memvisualisasikannya dengan ggplot2.

Intermediate Regression in R

Pelajari regresi logistik untuk data binomial dan regresi Poisson untuk data hitung, serta plot hasilnya.

Model Linear Tergeneralisasi di R

Mata kuliah Model Linier Umum memperluas kotak alat regresi Anda untuk mencakup regresi logistik dan regresi Poisson.

Kesimpulan

Create Your Free Account