Comparando saídas de regressão logística

Ao construir modelos, você quer ter mais observações do que parâmetros estimados pelo modelo. Essas variáveis extras são chamadas de graus de liberdade.

Um modelo com poucas observações pode sofrer de overfitting ou até ser impossível de ajustar (às vezes chamado de singular). Além disso, analisar os graus de liberdade ajuda você a conferir seus dados e seu código. Por exemplo, uma discrepância entre os graus de liberdade e o número de observações que você acha que tem pode indicar que seus dados precisam de mais limpeza, que há um bug no seu código ou um erro de modelagem.

Os formatos de entrada wide versus long para glm() produzem graus de liberdade diferentes porque a diferença no número de linhas do conjunto de dados faz o modelo considerar que há um número diferente de observações.

Nos exercícios anteriores, você ajustou uma regressão logística usando três opções de entrada. Elas foram carregadas para você como lr_1, lr_2 e lr_3. Confira os sumários desses três modelos.

Como os graus de liberdade variam entre os modelos?