Come utilizzare la funzione confit() in r
È possibile utilizzare la funzione confint() in R per calcolare un intervallo di confidenza per uno o più parametri in un modello di regressione adattato.
Questa funzione utilizza la seguente sintassi di base:
confint(oggetto, parametro, livello=0,95)
Oro:
- oggetto : nome del modello di regressione adattato
- parm : parametri per i quali calcolare l’intervallo di confidenza (il valore predefinito è tutto)
- level : livello di confidenza da utilizzare (il valore predefinito è 0,95)
L’esempio seguente mostra come utilizzare questa funzione nella pratica.
Esempio: come utilizzare la funzione confit() in R
Supponiamo di avere il seguente frame di dati in R che mostra il numero di ore trascorse a studiare, il numero di esami pratici sostenuti e il punteggio dell’esame finale di 10 studenti in una classe:
#create data frame df <- data. frame (score=c(77, 79, 84, 85, 88, 99, 95, 90, 92, 94), hours=c(1, 1, 2, 3, 2, 4, 4, 2, 3, 3), prac_exams=c(2, 3, 3, 2, 4, 5, 4, 3, 5, 4)) #view data frame df score hours prac_exams 1 77 1 2 2 79 1 3 3 84 2 3 4 85 3 2 5 88 2 4 6 99 4 5 7 95 4 4 8 90 2 3 9 92 3 5 10 94 3 4
Supponiamo ora di voler adattare il seguente modello di regressione lineare multipla in R:
Punteggio esame = β 0 + β 1 (ore) + β 2 (esami pratici)
Possiamo usare la funzione lm() per adattare questo modello:
#fit multiple linear regression model fit <- lm(score ~ hours + prac_exams, data=df) #view summary of model summary(fit) Call: lm(formula = score ~ hours + prac_exams, data = df) Residuals: Min 1Q Median 3Q Max -2.4324 -1.2632 -0.8956 0.4316 5.1412 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 68.4029 2.8723 23.815 5.85e-08 *** hours 4.1912 0.9961 4.207 0.0040 ** prac_exams 2.6912 0.9961 2.702 0.0306 * --- Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 2.535 on 7 degrees of freedom Multiple R-squared: 0.9005, Adjusted R-squared: 0.8721 F-statistic: 31.68 on 2 and 7 DF, p-value: 0.0003107
Si noti che il riepilogo del modello mostra i coefficienti di regressione adattati:
- Intercetta = 68.4029
- ore = 4.1912
- prac_esami = 2.6912
Per ottenere un intervallo di confidenza del 95% per ciascuno di questi coefficienti, possiamo utilizzare la funzione confint() :
#calculate 95% confidence interval for each coefficient in model
confined(fit)
2.5% 97.5%
(Intercept) 61.6111102 75.194772
hours 1.8357237 6.546629
prac_exams 0.3357237 5.046629
Per ciascun parametro è indicato l’intervallo di confidenza al 95%:
- IC al 95% per intercetta = [61,61, 75,19]
- IC al 95% per ore = [1,84, 6,55]
- IC al 95% per prac_exams = [0,34, 5,05]
Per calcolare un intervallo di confidenza al 99%, modifica semplicemente il valore dell’argomento livello :
#calculate 99% confidence interval for each coefficient in model confint(fit, level= 0.99 ) 0.5% 99.5% (Intercept) 58.3514926 78.454390 hours 0.7052664 7.677087 prac_exams -0.7947336 6.177087
E per calcolare solo un intervallo di confidenza per un parametro specifico, è sufficiente specificare il coefficiente utilizzando l’argomento parm :
#calculate 99% confidence interval for hours confint(fit, parm=' hours ', level= 0.99 ) 0.5% 99.5% hours 0.7052664 7.677087
Si noti che l’intervallo di confidenza al 99% è mostrato solo per la variabile ore.
Risorse addizionali
Le esercitazioni seguenti forniscono informazioni aggiuntive sulla regressione lineare in R:
Come interpretare l’output della regressione in R
Come eseguire una regressione lineare semplice in R
Come eseguire la regressione lineare multipla in R
Come eseguire la regressione logistica in R