Modello di regressione lineare
Le regressioni lineari aiutano a valutare l’impatto che una variabile ha su un’altra tra gruppi diversi o all’interno di un singolo gruppo, a condizione che tra le variabili ci sia una relazione lineare, che i residui presentino varianza costante rispetto ai valori predetti (omoschedasticità) e che i residui siano distribuiti normalmente.
Un’azienda ha raccolto i dati degli utenti del proprio sito web ed è interessata a capire se il tempo trascorso a cercare prodotti sul sito, TimeSearching, influisce sull’ammontare di denaro speso per gli acquisti, AmountSpent, includendo entrambi i gruppi su cui sono stati raccolti i dati: utenti esposti a un nuovo annuncio e a un annuncio precedente. Crea un modello di regressione lineare e verifica le assunzioni di omoschedasticità e normalità.
Il dataset SiteSales è già stato caricato per te.
Questo esercizio fa parte del corso
A/B Testing in R
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Create a linear regression model
spending <- lm(___)
summary(___)