建模交互作用
在本练习中，您将使用交互项来建模性别和胃部活性对酒精代谢的影响。
数据框 alcohol 已预加载，包含以下列：
Metabol：酒精代谢速率Gastric：胃部酒精脱氢酶活性速率Sex：饮酒者的性别（Male或Female）
在视频中，我们对 alcohol 数据拟合了 3 个模型：
- 仅包含加性（主效应）项的模型：
Metabol ~ Gastric + Sex - 两个模型：每个都包含胃部活性与性别之间的交互项
您看到其中一个带交互项的模型的 R-squared 高于仅含主效应的模型，这表明使用交互项具有更好的拟合效果。 在本练习中，您将把其中一个交互模型的 R-squared 与仅含主效应的模型进行比较。
回顾：运算符 : 表示两个变量之间的交互。运算符 * 表示两个变量的交互加上各自的主效应。
x*y = x + y + x:y
本练习是课程的一部分
R 中的监督学习：回归
练习说明
- 编写一个不含交互项的公式，将
Metabol表示为Gastric和Sex的函数。- 将该公式赋值给变量
fmla_add并打印。
- 将该公式赋值给变量
- 编写一个包含
Gastric与Sex交互项的公式来表示Metabol。- 加入
Gastric的主效应，但不要加入Sex的主效应。 - 将该公式赋值给变量
fmla_interaction并打印。
- 加入
- 拟合仅含主效应的线性模型：对数据拟合
model_add。 - 拟合包含交互项的线性模型：对数据拟合
model_interaction。 - 对两个模型都调用
summary()。哪个模型的 R-squared 更好？
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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
___
___