Regressionsresultat: exempel I

Följande kod visar två likvärdiga metoder för att beräkna de viktigaste delarna av en linjär modells utdata. Kom ihåg att p-värdet är sannolikheten för de observerade data (eller mer extrema) givet att nollhypotesen är sann. Precis som vid inferens i andra sammanhang behöver du samplingfördelningen för statistikan (här lutningen) under antagandet att nollhypotesen stämmer. Du kommer att generera noll-samplingfördelningen i senare kapitel, men anta tills vidare att den är korrekt. Observera också att standardfelet för skattningarna av lutning och intercept beskriver variabiliteten hos dessa skattningar.

Den här övningen är en del av kursen

Inferens för linjär regression i R

Visa kurs

Övningsinstruktioner

Ladda paketet mosaicData och ladda in datamängden RailTrail. RailTrail innehåller information om antalet användare av en vandringsled i Florence, MA samt vädret för varje dag.
Använd funktionen lm() för att köra en linjär modell där antalet cyklister (volume) regresseras mot dagens högsta temperatur (hightemp). Tilldela resultatet av lm() till objektet ride_lm.
Använd funktionen summary() på modellresultatet för att se inferensanalysen (inklusive p-värdet för lutningen).
Använd dessutom tidy() på modellresultatet för att göra det enklare att arbeta vidare med.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Load the mosaicData package and the RailTrail data
library(mosaicData)
data(RailTrail)

# Fit a linear model
ride_lm <- ___

# View the summary of your model
___

# Print the tidy model output
___

Redigera och kör kod