1. 학습
    2. /
  2. 강의
    3. /
  3. R을 활용한 선형 회귀 추론
Connected

연습 문제

회귀 출력 결과: 예제 I

아래 코드는 선형 모델의 핵심 출력값을 계산하는 두 가지 동등한 방법을 보여줍니다. p-값은 귀무가설이 참일 때 관측된 데이터(또는 그보다 더 극단적인 데이터)가 나타날 확률임을 기억하세요. 다른 추론 방법과 마찬가지로, 귀무가설이 참이라고 가정했을 때의 통계량(여기서는 기울기)에 대한 표집 분포가 필요합니다. 귀무 표집 분포는 이후 챕터에서 직접 생성해볼 예정이지만, 지금은 귀무 표집 분포가 올바르다고 가정합니다. 또한 기울기와 절편 추정값의 표준 오차는 해당 추정값들의 변동성을 나타낸다는 점도 함께 확인해 보세요.

지침

100 XP
  • mosaicData 패키지를 불러오고 RailTrail 데이터를 로드하세요. RailTrail 데이터에는 미국 매사추세츠주 플로렌스의 산책로 이용자 수와 날씨 정보가 담겨 있습니다.
  • lm() 함수를 사용하여 당일 최고 기온(hightemp)을 설명변수로, 이용자 수(volume)를 반응변수로 하는 선형 모델을 실행하세요. lm() 함수의 출력값을 ride_lm 객체에 할당하세요.
  • summary() 함수를 선형 모델 출력값에 적용하여 추론 분석 결과(기울기에 대한 p-값 포함)를 확인하세요.
  • 이어서 tidy() 함수를 선형 모델 출력값에 적용하여 이후 활용이 용이한 형태로 정리하세요.