<\/p>\n
Sie k\u00f6nnen die Funktion conint()<\/strong> in R verwenden, um ein Konfidenzintervall f\u00fcr einen oder mehrere Parameter in einem angepassten Regressionsmodell zu berechnen.<\/span><\/p>\n Diese Funktion verwendet die folgende grundlegende Syntax:<\/span><\/p>\n conint(object, parm, level=0.95)<\/span><\/strong><\/p>\n Gold:<\/span><\/p>\n Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen.<\/span><\/p>\n Angenommen, wir haben den folgenden Datenrahmen in R, der die Anzahl der Lernstunden, die Anzahl der abgelegten \u00dcbungspr\u00fcfungen und die Abschlusspr\u00fcfungsnote von 10 Sch\u00fclern einer Klasse anzeigt:<\/span><\/p>\n Nehmen wir nun an, wir m\u00f6chten das folgende multiple lineare Regressionsmodell in R anpassen:<\/span><\/p>\n Pr\u00fcfungsergebnis = \u03b2 0<\/sub> + \u03b2 1<\/sub> (Stunden) + \u03b2 2<\/sub> (praktische Pr\u00fcfungen)<\/span><\/p>\n Wir k\u00f6nnen die Funktion lm()<\/a> verwenden, um dieses Modell anzupassen:<\/span><\/p>\n Beachten Sie, dass in der Modellzusammenfassung die angepassten Regressionskoeffizienten angezeigt werden:<\/span><\/p>\n Um f\u00fcr jeden dieser Koeffizienten ein Konfidenzintervall von 95 % zu erhalten, k\u00f6nnen wir die Funktion conint()<\/strong> verwenden:<\/span><\/p>\n Das 95 %-Konfidenzintervall f\u00fcr jeden Parameter ist angegeben:<\/span><\/p>\n Um ein 99 %-Konfidenzintervall zu berechnen, \u00e4ndern Sie einfach den Wert des Level-<\/strong> Arguments:<\/span><\/p>\n Und um nur ein Konfidenzintervall f\u00fcr einen bestimmten Parameter zu berechnen, geben Sie einfach den Koeffizienten mit dem Argument parm<\/strong> an:<\/span><\/p>\n Beachten Sie, dass das 99 %-Konfidenzintervall nur f\u00fcr die Variable \u201eStunden\u201c angezeigt wird.<\/span><\/p>\n Die folgenden Tutorials bieten zus\u00e4tzliche Informationen zur linearen Regression in R:<\/span><\/p>\n So interpretieren Sie die Regressionsausgabe in R<\/a> Sie k\u00f6nnen die Funktion conint() in R verwenden, um ein Konfidenzintervall f\u00fcr einen oder mehrere Parameter in einem angepassten Regressionsmodell zu berechnen. Diese Funktion verwendet die folgende grundlegende Syntax: conint(object, parm, level=0.95) Gold: Objekt : Name des angepassten Regressionsmodells parm : Parameter, f\u00fcr die das Konfidenzintervall berechnet werden soll (Standard ist all) level : Zu […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Beispiel: So verwenden Sie die Funktion confit() in R<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (score=c(77, 79, 84, 85, 88, 99, 95, 90, 92, 94),\n hours=c(1, 1, 2, 3, 2, 4, 4, 2, 3, 3),\n prac_exams=c(2, 3, 3, 2, 4, 5, 4, 3, 5, 4))\n\n#view data frame\n<\/span>df\n\n score hours prac_exams\n1 77 1 2\n2 79 1 3\n3 84 2 3\n4 85 3 2\n5 88 2 4\n6 99 4 5\n7 95 4 4\n8 90 2 3\n9 92 3 5\n10 94 3 4\n<\/strong><\/pre>\n #fit multiple linear regression model\n<\/span>fit <- lm(score ~ hours + prac_exams, data=df)\n\n#view summary of model\n<\/span>summary(fit)\n\nCall:\nlm(formula = score ~ hours + prac_exams, data = df)\n\nResiduals:\n Min 1Q Median 3Q Max \n-2.4324 -1.2632 -0.8956 0.4316 5.1412 \n\nCoefficients:\n Estimate Std. Error t value Pr(>|t|) \n(Intercept) 68.4029 2.8723 23.815 5.85e-08 ***\nhours 4.1912 0.9961 4.207 0.0040 ** \nprac_exams 2.6912 0.9961 2.702 0.0306 * \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 2.535 on 7 degrees of freedom\nMultiple R-squared: 0.9005, Adjusted R-squared: 0.8721 \nF-statistic: 31.68 on 2 and 7 DF, p-value: 0.0003107\n<\/strong><\/pre>\n\n
#calculate 95% confidence interval for each coefficient in model<\/span>\nconfined(fit)\n\n 2.5% 97.5%\n(Intercept) 61.6111102 75.194772\nhours 1.8357237 6.546629\nprac_exams 0.3357237 5.046629\n<\/strong><\/pre>\n\n
#calculate 99% confidence interval for each coefficient in model\n<\/span>confint(fit, level= 0.99<\/span> )\n\n 0.5% 99.5%\n(Intercept) 58.3514926 78.454390\nhours 0.7052664 7.677087\nprac_exams -0.7947336 6.177087\n<\/strong><\/pre>\n #calculate 99% confidence interval for hours\n<\/span>confint(fit, parm=' hours<\/span> ', level= 0.99<\/span> )\n\n 0.5% 99.5%\nhours 0.7052664 7.677087\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So f\u00fchren Sie eine einfache lineare Regression in R durch<\/a>
So f\u00fchren Sie eine multiple lineare Regression in R durch<\/a>
So f\u00fchren Sie eine logistische Regression in R durch<\/p>\n","protected":false},"excerpt":{"rendered":"