オッズ比を計算する
前の演習では、友人からのおすすめが売上に与える影響を比較する方法を見ました。ただ、回帰の出力は説明しづらいことがあり、オッズ比のほうが使いやすい場合があります。ここでは前の演習の出力を使って、オッズ比を計算していきます。
オッズ比の復習：
- オッズ比が 1.0 のとき、2つの事象が起こる可能性は同程度です。たとえば、友人のおすすめのオッズ比が 1.0 であれば、購入判断に対する影響はありません。
- オッズ比が 1 未満のとき、友人のおすすめは購入が起こる可能性を下げます。たとえば、オッズ比が 0.5 なら、友人のおすすめによるオッズは 1:2、すなわち 2 回見送られるごとに 1 回購入が起こることを意味します。
- オッズ比が 1 より大きいとき、友人のおすすめは購入が起こる可能性を高めます。たとえば、オッズ比が 3.0 なら、友人のおすすめによるオッズは 3:1、すなわち 1 回見送られるごとに 3 回購入が起こることを意味します。
コースのコードに関する注意： このコースの公開以降、broom パッケージは lme4::lmer() モデルのサポートを終了しました。ご自身で再現する場合は、cran にある broom.mixed パッケージが必要です。
この演習はコースの一部です
R による階層モデルと混合効果モデル
演習の手順
model_outのsummary()を確認します。fixef()でmodel_outから係数を取り出し、指数関数をとってオッズ比に変換します。信頼区間を得るためにconfint()でも同様に繰り返します。tidy()を使ってfriendsの効果の信頼区間を計算し、指数関数化します。conf.intとexponentiateパラメータを必ず設定してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Run the code to see how to calculate odds ratios
summary( ___)
exp(___(model_out))
exp(___(model_out))
# Create the tidied output
tidy(model_out, conf.int = ___, exponentiate = ___)