1. Învăţa
    2. /
  2. Courses
    3. /
  3. R에서 Generalized Linear Models
Connected

exercise

심슨의 역설

심슨의 역설은 계수를 추가하거나 제거했을 때 분석 결과가 달라지는 현상으로, 회귀 분석에서 중요해요. UC-Berkeley의 1973년 대학원 입학 데이터가 이를 잘 보여줍니다. 겉으로 보면 여성의 대학원 합격률이 더 낮아 보입니다. 하지만 Department를 계수로 포함하면 성별의 유의성이 사라져요. 알고 보니 여성 지원자들이 남성보다 경쟁이 더 치열한 학과에 더 많이 지원했기 때문입니다.

데이터 참고: 제공되는 데이터에는 Dept, Gender, Admitted, Rejected의 네 열이 있어요. Admitted와 Rejected 열을 묶어 “이항” glm()을 만들 수 있습니다.

Instrucțiuni 1 / 4

undefined XP
    1
    2
    3
    4
  • UCB_data 데이터 프레임을 사용해 glm()으로 로지스틱 회귀를 만드세요. cbind(Admitted, Rejected)를 Gender로 예측하고, 결과를 glm_1에 저장하세요.