Calculando odds-ratios
No exercício anterior, vimos como comparar os efeitos da recomendação de um amigo nas vendas. No entanto, os resultados de regressão podem ser difíceis de descrever e, às vezes, os odds-ratios são mais fáceis de usar. Usando as saídas do exercício anterior, vamos calcular odds-ratios.
Recap de odds-ratios:
- Se um odds-ratio é 1,0, então ambos os eventos têm a mesma chance de ocorrer. Por exemplo, se o odds-ratio para a recomendação de um amigo fosse 1,0, então um amigo não teria influência na decisão de compra.
- Se um odds-ratio é menor que 1, então a recomendação de um amigo diminuiria a chance de uma compra ocorrer. Por exemplo, um odds-ratio de 0,5 significaria que a recomendação de um amigo tem odds de 1:2, ou 1 compra para cada 2 recusas.
- Se um odds-ratio é maior que 1, então a recomendação de um amigo aumentaria a chance de uma compra ocorrer. Por exemplo, um odds-ratio de 3,0 significaria que a recomendação de um amigo tem odds de 3:1, ou 3 compras para cada 1 recusa.
Observação sobre o código do curso: Desde o lançamento deste curso, o pacote broom deixou de oferecer suporte a modelos lme4::lmer(). Se você tentar repetir isso por conta própria, vai precisar do pacote broom.mixed, que está no cran.
Este exercicio faz parte do curso
Modelos Hierárquicos e de Efeitos Mistos em R
Instruções do exercicio
- Veja o
summary()demodel_out. - Extraia os coeficientes de
model_outcomfixef()e, em seguida, converta para odds-ratio tomando o exponencial. Repita comconfint()para obter os intervalos de confiança. - Calcule os intervalos de confiança e depois exponencie o efeito de
friendsem uma compra usandotidy(). Certifique-se de definir os parâmetrosconf.inteexponentiate.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# Run the code to see how to calculate odds ratios
summary( ___)
exp(___(model_out))
exp(___(model_out))
# Create the tidied output
tidy(model_out, conf.int = ___, exponentiate = ___)