Моделювання взаємодії

У цій вправі ви використаєте взаємодії, щоб змоделювати вплив статі та шлункової активності на метаболізм алкоголю.

Датафрейм alcohol уже завантажено. Він містить стовпці:

Metabol: швидкість метаболізму алкоголю
Gastric: швидкість активності шлункової алкогольдегідрогенази
Sex: стать того, хто вживає алкоголь (Male або Female)

У відео ми підігнали три моделі до даних alcohol:

одну лише з додатковими (основними) ефектами: Metabol ~ Gastric + Sex
дві моделі з взаємодіями між шлунковою активністю та статтю

Ви бачили, що одна з моделей із термінами взаємодії мала кращий R-squared, ніж адитивна модель. Це свідчить, що додавання взаємодій дає кращу відповідність. У цій вправі ви порівняєте R-squared однієї з моделей із взаємодією з моделлю лише з головними ефектами.

Нагадаємо: оператор : позначає взаємодію між двома змінними. Оператор * позначає взаємодію між двома змінними плюс головні ефекти.

x*y = x + y + x:y

Ця вправа є частиною курсу

Кероване навчання в R: регресія

Переглянути курс

Інструкції до вправи

Напишіть формулу, яка виражає Metabol як функцію від Gastric та Sex без взаємодій.
- Присвойте формулу змінній fmla_add і виведіть її.
Напишіть формулу, яка виражає Metabol як функцію взаємодії між Gastric і Sex.
- Додайте Gastric як головний ефект, але не Sex.
- Присвойте формулу змінній fmla_interaction і виведіть її.
Навчіть лінійну модель лише з головними ефектами: model_add на цих даних.
Навчіть лінійну модель з взаємодією: model_interaction на цих даних.
Викличте summary() для обох моделей. У якої R-squared кращий?

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# alcohol is available
summary(alcohol)

# Create the formula with main effects only
(fmla_add <- ___ )

# Create the formula with interactions
(fmla_interaction <- ___ )

# Fit the main effects only model
model_add <- ___

# Fit the interaction model
model_interaction <- ___

# Call summary on both models and compare
___
___

Редагувати та запускати код