Keluaran regresi: contoh I

Kode berikut menyediakan dua metode yang setara untuk menghitung komponen terpenting dari keluaran model linear. Ingat bahwa p-value adalah probabilitas data yang teramati (atau yang lebih ekstrem) dengan asumsi hipotesis nol benar. Seperti pada inferensi di konteks lain, Anda memerlukan sebaran pengambilan sampel untuk statistik tersebut (di sini kemiringan/slope) dengan asumsi hipotesis nol benar. Anda akan membuat sebaran pengambilan sampel nol pada bab-bab berikutnya, tetapi untuk saat ini, anggap bahwa sebaran pengambilan sampel nol tersebut benar. Selain itu, perhatikan bahwa galat baku dari taksiran slope dan intersep menggambarkan keragaman dari taksiran tersebut.

Latihan ini adalah bagian dari kursus

Inferensi untuk Regresi Linear di R

Lihat Kursus

Petunjuk latihan

Muat paket mosaicData dan muat data RailTrail. Data RailTrail memuat informasi tentang jumlah pengguna suatu jalur di Florence, MA serta cuaca untuk setiap hari.
Dengan fungsi lm(), jalankan model linear yang meregresikan volume pengendara terhadap hightemp pada hari tersebut. Simpan keluaran fungsi lm() ke objek ride_lm.
Gunakan fungsi summary() pada keluaran model linear untuk melihat analisis inferensial (termasuk p-value untuk slope).
Selain itu, gunakan tidy() pada keluaran model linear agar lebih mudah digunakan nanti.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Load the mosaicData package and the RailTrail data
library(mosaicData)
data(RailTrail)

# Fit a linear model
ride_lm <- ___

# View the summary of your model
___

# Print the tidy model output
___

Edit dan Jalankan Kode