시작하기무료로 시작하기

두 부분으로 나뉜 변동

두 개의 거리-시간 데이터 세트가 주어집니다. 하나는 속도가 아주 작고, 다른 하나는 속도가 큽니다. 둘 다 기울기의 표준 오차는 같을 수 있지만, 전체 모델의 R-squared는 기울기(“효과 크기”)가 표준 오차(“불확실성”)와 비교해 얼마나 큰지에 따라 달라질 수 있습니다.

두 데이터 세트를 같은 좌표축에 산점도로 그려 보면 대비가 분명해집니다. 기울기에 의한 변동은 추세선 주변의 임의 산포에 의한 변동과는 다릅니다. 이 연습 문제에서의 목표는 두 데이터 세트에 대해 표준 오차와 R-squared를 계산하고 비교하는 것입니다.

이 연습은 강의의 일부입니다

Python으로 배우는 선형 모델 입문

강의 보기

연습 안내

  • 두 데이터 세트 distances1와 distances2에 대해 ols() 모델을 만들고 fit() 하세요.
  • 결과 모델 model_1과 model_2의 .bse와 'times' 키를 사용해 각 모델의 기울기에 대한 표준 오차 값을 추출하세요.
  • .rsquared 속성을 사용해 각 모델의 R-squared 값을 추출하세요.
  • 계산된 se_1, rsquared_1, se_2, rsquared_2를 출력하고, 시각적으로 비교하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Build and fit two models, for columns distances1 and distances2 in df
model_1 = ols(formula="____ ~ times", data=df).____()
model_2 = ols(formula="____ ~ times", data=df).____()

# Extract R-squared for each model, and the standard error for each slope
se_1 = model_1.____['times']
se_2 = model_2.____['times']
rsquared_1 = model_1.____
rsquared_2 = model_2.____

# Print the results
print('Model 1: SE = {:0.3f}, R-squared = {:0.3f}'.format(____, ____))
print('Model 2: SE = {:0.3f}, R-squared = {:0.3f}'.format(____, ____))
코드 편집 및 실행