比較羅吉斯迴歸的輸出

建立模型時，模型中估計的參數數量應少於觀測值數量。 這些多出來可用來估計的數量稱為［自由度］（degrees of freedom）。

觀測值太少的模型可能會過度擬合，甚至無法擬合（有時稱為［奇異（singular）］（singular））。此外，檢視自由度也能幫你再次確認資料與程式碼是否正確。例如，自由度與你認為的觀測值數量不一致，可能代表資料需要再清理、程式碼有錯誤，或是模型設定有誤。

對 glm() 而言，寬表（wide）與長表（long）兩種輸入格式會產生不同的自由度，因為資料列數不同，會讓模型判斷觀測值數量不同。

在前面的練習中，你使用三種不同的輸入方式擬合了羅吉斯迴歸。 這些模型已為你載入為 lr_1、lr_2 與 lr_3。 請查看這三個模型的摘要輸出。

這些模型的自由度有何差異？