交互作用を用いたモデリング
この演習では、性別と胃の酵素活性がアルコール代謝に与える影響を、交互作用を使ってモデリングします。
alcohol データフレームはあらかじめ読み込まれており、次の列があります。
Metabol: アルコール代謝速度Gastric: 胃のアルコール脱水素酵素活性の速度Sex: 飲酒者の性別（MaleまたはFemale）
動画では、alcohol データに対して3つのモデルを当てはめました。
- 加法（主効果）のみのモデル:
Metabol ~ Gastric + Sex - 胃の活性と性別の間の交互作用を含むモデルが2種類
交互作用項を含むモデルの1つは、加法モデルよりも R-squared が高く、交互作用項を使うことで当てはまりが良くなることが示唆されました。 この演習では、交互作用モデルの1つと主効果のみのモデルの R-squared を比較します。
演算子 : は2変数間の交互作用を表し、演算子 * は2変数の主効果に加えて交互作用も含むことを表します。
x*y = x + y + x:y
この演習はコースの一部です
R による Supervised Learning：回帰
演習の手順
- 交互作用なしで、
MetabolをGastricとSexの関数として表す式（フォーミュラ）を書きます。- その式を変数
fmla_addに代入し、出力してください。
- その式を変数
GastricとSexの交互作用を用いて、Metabolを表す式を書きます。- 主効果としては
Gastricを追加し、Sexは追加しないでください。 - その式を変数
fmla_interactionに代入し、出力してください。
- 主効果としては
- 主効果のみの線形モデル
model_addをデータに当てはめます。 - 交互作用を含む線形モデル
model_interactionをデータに当てはめます。 - 両方のモデルに対して
summary()を呼び出します。どちらの R-squared が良いでしょうか？
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。
# alcohol is available
summary(alcohol)
# Create the formula with main effects only
(fmla_add <- ___ )
# Create the formula with interactions
(fmla_interaction <- ___ )
# Fit the main effects only model
model_add <- ___
# Fit the interaction model
model_interaction <- ___
# Call summary on both models and compare
___
___