Kết quả hồi quy: ví dụ I
Đoạn mã sau đưa ra hai cách tương đương để tính các phần quan trọng nhất của đầu ra mô hình tuyến tính. Hãy nhớ rằng p-value là xác suất quan sát được dữ liệu (hoặc cực đoan hơn) với giả thuyết không đúng. Tương tự như suy luận thống kê trong bối cảnh khác, bạn sẽ cần phân phối lấy mẫu của thống kê (ở đây là hệ số dốc) giả sử giả thuyết không đúng. Bạn sẽ tạo phân phối lấy mẫu dưới giả thuyết không ở các chương sau, nhưng hiện tại, giả định rằng phân phối đó là đúng. Ngoài ra, lưu ý rằng sai số chuẩn của ước lượng hệ số dốc và hệ số chặn mô tả mức độ biến thiên của các ước lượng đó.
Bài tập này là một phần của khóa học
Suy luận cho hồi quy tuyến tính trong R
Hướng dẫn bài tập
- Nạp gói
mosaicDatavà nạp dữ liệuRailTrail. Dữ liệuRailTrailchứa thông tin về số người dùng một tuyến đường ở Florence, MA và thời tiết theo từng ngày. - Dùng hàm
lm()để chạy mô hình tuyến tính hồi quyvolume(số lượt người đi) theohightempcủa ngày. Gán đầu ra của hàmlm()vào đối tượngride_lm. - Dùng hàm
summary()trên đầu ra mô hình tuyến tính để xem phân tích suy luận (bao gồm p-value cho hệ số dốc). - Thêm nữa, dùng
tidy()cho đầu ra mô hình tuyến tính để dễ sử dụng về sau.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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
___