Niet-lineaire logistische regressie

In hoofdstuk 3 heb je gekeken naar de afstand die forenzen aflegden en het lineaire effect daarvan op de kans dat iemand met de bus gaat. Maar wat als deze relatie niet-lineair en niet-monotoon is?

probitVsLogit

Wat als bijvoorbeeld mensen die de kortste én de langste afstanden reizen, minder vaak met de bus gaan? Je kunt niet-lineaire termen toevoegen aan formules in R met de functie I(..) als onderdeel van je formule. Bijvoorbeeld, y~I(x^2) laat je een coëfficiënt schatten voor x*x. In deze oefening ga je dieper in op de busgegevens.

Deze oefening maakt deel uit van de cursus

Generalized Linear Models in R

Cursus bekijken

Oefeninstructies

Voeg de formule y ~ I(x^2) toe aan de optie formula in de tweede aanroep van geom_smooth().

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Plot linear effect of travel distance on probability of taking the bus
gg_jitter <-
	ggplot(data = bus, aes(x = MilesOneWay, y = Bus2)) + 
	geom_jitter(width = 0, height = 0.05) + 
	geom_smooth(method = 'glm', 
                method.args = list(family = 'binomial'))

# Add a non-linear equation to a geom_smooth()
gg_jitter +
	geom_smooth(method = 'glm', 
                method.args = list(family = 'binomial'), 
                formula = ___, 
                color = 'red')

Code bewerken en uitvoeren