Jämföra utdata från logistisk regression

När du bygger modeller vill du ha fler observationer än de parametrar som skattas i modellen. Dessa extra variabler kallas frihetsgrader.

En modell med för få observationer kan vara överanpassad, eller till och med omöjlig att anpassa (ibland kallad singulär). Att titta på frihetsgraderna kan dessutom hjälpa dig att dubbelkontrollera dina data och din kod. Till exempel kan en avvikelse mellan frihetsgraderna och det antal observationer du tror dig ha tyda på att data behöver rensas ytterligare, att det finns ett fel i koden, eller att det rör sig om ett modelleringsfel.

De breda respektive långa indataformaten för glm() ger olika frihetsgrader, eftersom skillnaden i antal rader gör att modellen tolkar det som en skillnad i antal observationer.

I de tidigare övningarna anpassade du en logistisk regression med tre olika indataformat. Dessa har laddats in åt dig som lr_1, lr_2 och lr_3. Granska sammanfattningarna för dessa tre modeller.

Hur varierar frihetsgraderna mellan modellerna?