Interpretacja przekształconych współczynników

Przekształcanie zmiennych to potężne narzędzie w regresji liniowej. Jednak estymowane parametry w modelu z przekształconymi zmiennymi wymagają starannej interpretacji.

Rozważ dane zebrane przez Andrew Braya z Reed College dotyczące charakterystyk domów w Los Angeles w 2010 roku. Model podano poniżej – twoim zadaniem jest podanie właściwej interpretacji współczynnika przy log(sqft).

Uwaga: należy unikać interpretacji przyczynowo-skutkowych. Większa powierzchnia nie musi powodować wzrostu ceny konkretnego domu. Interpretacja współczynnika opisuje szacunkową średnią cenę domów przy danej powierzchni.

Przed udzieleniem odpowiedzi uruchom model liniowy:

lm(log(price) ~ log(sqft), data = LAhomes) %>% tidy()

Możliwe odpowiedzi

Każdy dodatkowy metr kwadratowy powierzchni domu daje szacunkową średnią cenę wyższą o 1,44 USD.

Każdy dodatkowy metr kwadratowy powierzchni domu daje szacunkową średnią cenę wyższą o 1 442 USD.

Każdy dodatkowy metr kwadratowy powierzchni domu daje szacunkową średnią cenę wyższą o 1,44%.

Każdy dodatkowy 1% powierzchni daje szacunkową średnią cenę wyższą o 1,44 USD.

Każdy dodatkowy 1% powierzchni daje szacunkową średnią cenę wyższą o 1,44%.

ćwiczenie

Interpretacja przekształconych współczynników

Instrukcje

Możliwe odpowiedzi

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje

Możliwe odpowiedzi

ćwiczenie