Confrontare i risultati della regressione logistica

Quando costruisci dei modelli, è importante avere più osservazioni che parametri stimati dal modello. Queste variabili in eccesso sono chiamate gradi di libertà.

Un modello con troppo poche osservazioni può andare incontro a overfitting, o persino non poter essere adattato (talvolta detto singolare). Inoltre, esaminare i gradi di libertà può aiutarti a ricontrollare dati e codice. Ad esempio, una discrepanza tra i gradi di libertà e il numero di osservazioni che pensi di avere può indicare che i tuoi dati richiedono ulteriore pulizia, che c’è un bug nel codice o un errore di modellazione.

I formati di input wide e long per glm() producono gradi di libertà diversi perché la differenza nel numero di righe dei dati porta il modello a considerare diverso anche il numero di osservazioni.

Negli esercizi precedenti, hai adattato una regressione logistica usando tre opzioni di input diverse. Queste sono già state caricate come lr_1, lr_2 e lr_3. Esamina i sommari di questi tre modelli.

Come variano i gradi di libertà tra i modelli?