Output di regressione: esempio I
Il codice seguente mostra due metodi equivalenti per calcolare gli elementi più importanti dell’output di un modello lineare. Ricorda che il p-value è la probabilità dei dati osservati (o più estremi) dato che l’ipotesi nulla è vera. Come per l’inferenza in altri contesti, ti servirà la distribuzione campionaria della statistica (qui la pendenza) assumendo vera l’ipotesi nulla. Genererai la distribuzione campionaria nulla nei capitoli successivi; per ora, supponi che tale distribuzione sia corretta. Inoltre, nota che l’errore standard delle stime di pendenza e intercetta descrive la variabilità di tali stime.
Questo esercizio fa parte del corso
Inferenza per la regressione lineare in R
Istruzioni dell'esercizio
- Carica il pacchetto
mosaicDatae i datiRailTrail. I datiRailTrailcontengono informazioni sul numero di utenti di un percorso a Florence, MA, e sul meteo di ciascun giorno. - Usando la funzione
lm(), stima un modello lineare che mette in relazione ilvolumedi ciclisti con lahightempdel giorno. Assegna l’output dilm()all’oggettoride_lm. - Usa la funzione
summary()sull’output del modello lineare per vedere l’analisi inferenziale (incluso il p-value per la pendenza). - Inoltre, applica
tidy()all’output del modello lineare per renderlo più semplice da usare in seguito.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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
___