Paradox van Simpson
De paradox van Simpson treedt op wanneer het toevoegen of verwijderen van een coëfficiënt de analyseresultaten verandert en is belangrijk bij regressies.
De toelatingsgegevens voor graduate schools uit 1973 van UC-Berkeley (Graduate School admission data) illustreren dit punt.
Op het eerste gezicht lijkt het erop dat vrouwen minder kans hebben om tot een graduate programma te worden toegelaten.
Maar als je Department als coëfficiënt opneemt, verdwijnt de significantie van gender.
Het blijkt dat vrouwelijke aanstaande studenten vaker solliciteerden naar competitievere programma's dan mannen.
Gegevensopmerking: In de gegevens zie je vier kolommen: Dept, Gender, Admitted en Rejected. Je kunt een "binomiale" glm() bouwen door de kolommen Admitted en Rejected te binden.
Deze oefening maakt deel uit van de cursus
Generalized Linear Models in R
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Build a binomial glm where Admitted and Rejected are predicted by Gender
glm_1 <- ___