Icke-linjär logistisk regression

I kapitel 3 undersökte du hur långt pendlare reser och den linjära effekt detta hade på sannolikheten att åka buss. Men vad händer om det sambandet är icke-linjärt och icke-monotont?

probitVsLogit

Tänk dig till exempel att personer med kortast och längst pendlingsavstånd är mindre benägna att åka buss. Du kan lägga till icke-linjära termer i formler i R med hjälp av funktionen I(..) som en del av din formel. Exempelvis låter y~I(x^2) dig skatta en koefficient för x*x. I den här övningen undersöker du busstransportdatan närmare.

Den här övningen är en del av kursen

Generaliserade linjära modeller i R

Visa kurs

Övningsinstruktioner

Lägg till formeln y ~ I(x^2) i alternativet formula i det andra anropet till geom_smooth().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Plot linear effect of travel distance on probability of taking the bus
gg_jitter <-
	ggplot(data = bus, aes(x = MilesOneWay, y = Bus2)) + 
	geom_jitter(width = 0, height = 0.05) + 
	geom_smooth(method = 'glm', 
                method.args = list(family = 'binomial'))

# Add a non-linear equation to a geom_smooth()
gg_jitter +
	geom_smooth(method = 'glm', 
                method.args = list(family = 'binomial'), 
                formula = ___, 
                color = 'red')

Redigera och kör kod