<\/p>\n
Sie k\u00f6nnen die Funktion coeftest()<\/strong> aus dem lmtest-<\/strong> Paket in R verwenden, um einen t-Test f\u00fcr jeden gesch\u00e4tzten Koeffizienten in einem Regressionsmodell durchzuf\u00fchren.<\/span><\/p>\n Diese Funktion verwendet die folgende grundlegende Syntax:<\/span><\/p>\n koeftest(x)<\/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 Anschlie\u00dfend k\u00f6nnen wir mit der Funktion coeftest()<\/strong> einen t-Test f\u00fcr jeden angepassten Regressionskoeffizienten im Modell durchf\u00fchren:<\/span><\/p>\n F\u00fcr jeden T-Test werden die T-Test-Statistik und der entsprechende p-Wert angezeigt:<\/span><\/p>\n Beachten Sie, dass wir f\u00fcr jeden t-Test die folgenden Null- und Alternativhypothesen verwenden:<\/span><\/p>\n Wenn der p-Wert des t-Tests unter einem bestimmten Schwellenwert liegt (z. B. \u03b1 = 0,05), lehnen wir die Nullhypothese ab und kommen zu dem Schluss, dass eine statistisch signifikante Beziehung zwischen der Pr\u00e4diktorvariablen und der Antwortvariablen besteht.<\/span><\/p>\n Da der p-Wert f\u00fcr jeden t-Test kleiner als 0,05 ist, w\u00fcrden wir daraus schlie\u00dfen, dass jede Pr\u00e4diktorvariable im Modell eine statistisch signifikante Beziehung zur Antwortvariablen hat.<\/span><\/p>\n Im Kontext dieses Beispiels w\u00fcrden wir sagen, dass sowohl die Lernstunden als auch die Anzahl der abgelegten \u00dcbungspr\u00fcfungen statistisch signifikante Pr\u00e4diktoren f\u00fcr die Abschlusspr\u00fcfungsnote der Studierenden sind.<\/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 coeftest() aus dem lmtest- Paket in R verwenden, um einen t-Test f\u00fcr jeden gesch\u00e4tzten Koeffizienten in einem Regressionsmodell durchzuf\u00fchren. Diese Funktion verwendet die folgende grundlegende Syntax: koeftest(x) Gold: x : Name des angepassten Regressionsmodells Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen. Beispiel: Verwendung der Funktion […]<\/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: Verwendung der Funktion coeftest() 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<\/strong><\/pre>\n library<\/span> (lmtest)<\/span>\n\n#perform t-test for each coefficient in model<\/span>\ncoeftest(fit)\n\nt test of coefficients:\n\n Estimate Std. Error t value Pr(>|t|) \n(Intercept) 68.40294 2.87227 23.8150 5.851e-08 ***\nhours 4.19118 0.99612 4.2075 0.003998 ** \nprac_exams 2.69118 0.99612 2.7017 0.030566 * \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n<\/strong><\/pre>\n\n
\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":"