Regresyon çıktısı: örnek I
Aşağıdaki kod, doğrusal model çıktısının en önemli parçalarını hesaplamak için iki eşdeğer yöntem sunar. p-değerinin, yokluk hipotezi doğruyken gözlemlenen verinin (veya daha uç bir sonucun) olasılığı olduğunu unutma. Diğer çıkarım bağlamlarında olduğu gibi, istatistiğin (burada eğim) örnekleme dağılımına, yokluk hipotezinin doğru olduğu varsayımıyla, ihtiyaç duyacaksın. Yokluk örnekleme dağılımını ilerleyen bölümlerde oluşturacaksın; şimdilik bunun doğru olduğunu varsay. Ek olarak, eğim ve kesişim (intercept) tahminlerinin standart hatalarının bu tahminlerin değişkenliğini açıkladığına dikkat et.
Bu egzersiz, kursun bir parçasıdır
R'de Doğrusal Regresyon için Çıkarım
Egzersiz talimatları
mosaicDatapaketini veRailTrailverisini yükle.RailTrailverisi, Florence, MA'daki bir patikayı kullanan kişi sayısı ve her güne ait hava durumu bilgilerini içerir.lm()fonksiyonunu kullanarak, bir gününhightempdeğeri üzerine sürücülerinvolumedeğerini yordayan bir doğrusal model çalıştır.lm()fonksiyonunun çıktısınıride_lmnesnesine ata.- Eğimin p-değeri de dahil olmak üzere çıkarımsal analizi görmek için doğrusal model çıktısında
summary()fonksiyonunu kullan. - Ayrıca, daha sonra kullanımı kolaylaştırmak için model çıktısını
tidy()ile düzenle.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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
___