回归输出：示例 I
下面的代码提供了两种等价的方法来计算线性模型输出中最重要的部分。请回忆，p 值是在原假设为真时，观测到当前数据（或更极端结果）的概率。与其他情境中的推断相同，您需要统计量（此处为斜率）在原假设为真时的抽样分布。您将在后续章节生成原假设下的抽样分布，但现在先假定该抽样分布是正确的。此外，请注意，斜率和截距估计的标准误描述了这些估计的变异性。
本练习是课程的一部分
R 中的线性回归推断
练习说明
- 加载
mosaicData包并载入RailTrail数据。RailTrail数据包含马萨诸塞州 Florence 一条步道的使用人数以及每天的天气信息。 - 使用
lm()函数，拟合一个线性模型：以当天的hightemp回归骑行者的volume。将lm()的输出赋给对象ride_lm。 - 对该线性模型输出使用
summary()函数，以查看推断分析结果（包括斜率的 p 值）。 - 另外，对线性模型输出使用
tidy()，以便后续更容易使用。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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
___