Modelowanie interakcji

W tym ćwiczeniu wykorzystasz interakcje do modelowania wpływu płci i aktywności żołądkowej na metabolizm alkoholu.

Ramka danych alcohol jest już wczytana i zawiera następujące kolumny:

Metabol: tempo metabolizmu alkoholu
Gastric: tempo aktywności dehydrogenazy alkoholowej żołądka
Sex: płeć osoby spożywającej alkohol (Male lub Female)

W materiale wideo dopasowaliśmy trzy modele do danych alcohol:

jeden tylko z addytywnymi członami (efektami głównymi): Metabol ~ Gastric + Sex
dwa modele uwzględniające interakcje między aktywnością żołądkową a płcią

Można było zauważyć, że jeden z modeli z członami interakcji uzyskał lepsze R-kwadrat niż model addytywny – co sugeruje, że uwzględnienie interakcji poprawia dopasowanie modelu. W tym ćwiczeniu porównasz R-kwadrat jednego z modeli z interakcją z modelem opartym wyłącznie na efektach głównych.

Przypomnij sobie, że operator : oznacza interakcję między dwiema zmiennymi, natomiast operator * oznacza interakcję między dwiema zmiennymi wraz z ich efektami głównymi.

x*y = x + y + x:y

To ćwiczenie jest częścią kursu

Nadzorowane uczenie maszynowe w R: regresja

Zobacz kurs

Instrukcje do ćwiczenia

Napisz formułę wyrażającą Metabol jako funkcję Gastric i Sex bez interakcji.
- Przypisz formułę do zmiennej fmla_add i wydrukuj ją.
Napisz formułę wyrażającą Metabol jako funkcję interakcji między Gastric i Sex.
- Dodaj Gastric jako efekt główny, ale nie dodawaj Sex.
- Przypisz formułę do zmiennej fmla_interaction i wydrukuj ją.
Dopasuj model liniowy oparty wyłącznie na efektach głównych: model_add do danych.
Dopasuj model liniowy uwzględniający interakcję: model_interaction do danych.
Wywołaj summary() na obu modelach. Który z nich ma lepsze R-kwadrat?

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# alcohol is available
summary(alcohol)

# Create the formula with main effects only
(fmla_add <- ___ )

# Create the formula with interactions
(fmla_interaction <- ___ )

# Fit the main effects only model
model_add <- ___

# Fit the interaction model
model_interaction <- ___

# Call summary on both models and compare
___
___

Edytuj i uruchom kod