Analiza i interpretacja wyników regresji logistycznej

W poprzednim ćwiczeniu dopasowano model regresji logistycznej bus_out. Teraz przeanalizujesz bus_out i zinterpretujesz wyniki regresji, korzystając z narzędzi poznanych w rozdziale 1:

• print() wyświetla oszacowania współczynników (tj. nachylenia i wyrazy wolne) dla poszczególnych zmiennych predyktorów oraz informacje o dopasowaniu modelu, takie jak dewiancja.
• summary() zawiera wszystkie dane z print(), a dodatkowo błędy standardowe, wyniki z oraz wartości p dla oszacowanych współczynników.
• tidy() przedstawia tabelę współczynników z summary() w postaci uporządkowanej ramki danych (tidy data frame).

Pamiętaj, że współczynniki regresji pozwalają określić zarówno kierunek zależności, jak i istotność statystyczną poszczególnych predyktorów. W regresji logistycznej dodatni współczynnik oznacza, że prawdopodobieństwo wystąpienia zdarzenia rośnie wraz ze wzrostem wartości predyktora.