Acest capitol îți explică cum modelele liniare generalizate reprezintă o extensie a altor modele din setul tău de instrumente pentru știința datelor. De asemenea, folosește regresia Poisson pentru a introduce conceptul de modele liniare generalizate.

Limitările modelelor liniare

Ipotezele modelelor liniare

Recapitulare: ajustarea modelelor liniare

Regresia Poisson

Ajustarea unei regresii Poisson în R

Comparând regresia liniară și regresia Poisson

Intercepte – comparații versus medii

Funcții de bază lm() cu glm()

Aplicarea funcțiilor summary(), print() și tidy() pe glm

Extragerea coeficienților din glm()

Predicții cu glm()

GLM-uri – o extensie a setului tău de instrumente de regresie

Acest capitol acoperă rularea unei regresii logistice și examinarea rezultatelor modelului.

Prezentare generală a regresiei logistice

Ajustarea unei regresii logistice

Examinarea și interpretarea rezultatelor regresiei logistice

Distribuția Bernoulli versus distribuția binomială

Bernoulli versus binomial

Simularea datelor binare

Regresie logistică cu date în format lung

Regresie logistică cu date în format wide

Compararea rezultatelor regresiei logistice

Funcții de legătură – probit vs. logit

Probit versus logit

Ajustarea modelelor probit și logit

Simularea unui logit

Simularea unui probit

Regresia logistică

Acest capitol te învață cum să interpretezi coeficienții GLM și cum să vizualizezi GLM-uri folosind ggplot2.

Coeficienții regresiei Poisson

Legătura Poisson

Coeficienți lm vs. Poisson

Reprezentarea grafică a regresiei Poisson

Înțelegerea rezultatelor regresiei logistice

Înțelegerea rapoartelor de cote

Extragerea și interpretarea rapoartelor de cote

Rapoarte de cote și intervale de încredere în Tidyverse

ggplot2 și regresia binomială

Linii de tendință implicite

Metode pentru linii de tendință

Compararea probit și logit

Interpretarea și vizualizarea GLM-urilor

În acest capitol, vei învăța cum să aplici regresia multiplă cu GLM-uri în R.

Regresie logistică multiplă

Ajustarea unei regresii logistice multiple

Construirea a două modele

Compararea rezultatelor regresiei

Compararea ordinii variabilelor

Formule în R

Pante multiple

Intercepte

Intercepte multiple

Ipotezele regresiei logistice multiple

Paradoxul lui Simpson

Regresie logistică neliniară

Concluzie

Regresia multiplă cu GLM-uri

Bus Commuter dataset

Regresia liniară este un instrument fundamental în statistică, însă nu poate gestiona toate tipurile de date complexe. Un model liniar generalizat (GLM) extinde regresia liniară pentru a include distribuții non-normale, cum ar fi datele binomiale și cele de tip numărare. Pe parcursul acestui curs, îți vei extinde setul de instrumente pentru știința datelor cu GLM-uri în R. Vei învăța cum să ajustezi modele pentru date binomiale cu regresia logistică și pentru date de tip numărare cu regresia Poisson. De asemenea, vei descoperi cum să interpretezi aceste rezultate și să le vizualizezi cu ggplot2.

Intermediate Regression in R

Învață să ajustezi date binomiale cu regresie logistică și date de numărare cu regresie Poisson.

Modele Liniare Generalizate în R

Cursul Modelul liniar generalizat îți extinde setul de instrumente de regresie pentru a include regresia logistică și Poisson.

Probit versus logit

Modele Liniare Generalizate în R

Exercițiu interactiv practic