Come utilizzare la funzione linearhypothesis() in r
È possibile utilizzare la funzione LinearHypothesis() del pacchetto auto in R per testare ipotesi lineari in un modello di regressione specifico.
Questa funzione utilizza la seguente sintassi di base:
linearHypothesis(fit, c(" var1=0 ", " var2=0 "))
Questo particolare esempio verifica se i coefficienti di regressione var1 e var2 nel modello chiamato fit sono congiuntamente uguali a zero.
L’esempio seguente mostra come utilizzare questa funzione nella pratica.
Esempio: come utilizzare la funzione LinearHypothesis() 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, 4, 4, 2, 4, 5, 4, 3, 2, 1)) #view data frame df score hours prac_exams 1 77 1 2 2 79 1 4 3 84 2 4 4 85 3 2 5 88 2 4 6 99 4 5 7 95 4 4 8 90 2 3 9 92 3 2 10 94 3 1
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 -5.8366 -2.0875 0.1381 2.0652 4.6381 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 72.7393 3.9455 18.436 3.42e-07 *** hours 5.8093 1.1161 5.205 0.00125 ** prac_exams 0.3346 0.9369 0.357 0.73150 --- Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 3.59 on 7 degrees of freedom Multiple R-squared: 0.8004, Adjusted R-squared: 0.7434 F-statistic: 14.03 on 2 and 7 DF, p-value: 0.003553
Supponiamo ora di voler verificare se il coefficiente orario e prac_exams sono entrambi zero.
Possiamo usare la funzione LinearHypothesis() per fare questo:
library (car) #perform hypothesis test for hours=0 and prac_exams=0 linearHypothesis(fit, c(" hours=0 ", " prac_exams=0 ")) Linear hypothesis testing Hypothesis: hours = 0 prac_exams = 0 Model 1: restricted model Model 2: score ~ hours + prac_exams Res.Df RSS Df Sum of Sq F Pr(>F) 1 9 452.10 2 7 90.24 2 361.86 14.035 0.003553 ** --- Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Il test delle ipotesi restituisce i seguenti valori:
- Statistica del test F : 14.035
- Valore p : 0,003553
Questo particolare test di ipotesi utilizza le seguenti ipotesi nulle e alternative:
- H 0 : Entrambi i coefficienti di regressione sono uguali a zero.
- H A : Almeno un coefficiente di regressione non è uguale a zero.
Poiché il valore p del test (0,003553) è inferiore a 0,05, rifiutiamo l’ipotesi nulla.
In altre parole, non abbiamo prove sufficienti per affermare che i coefficienti di regressione per ore e prac_exams siano entrambi uguali a zero.
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