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

Aggiungi un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *