R တွင် confit() function ကိုအသုံးပြုနည်း

တပ်ဆင်ထားသော ဆုတ်ယုတ်မှုပုံစံတွင် တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ကန့်သတ်ဘောင်များအတွက် ယုံကြည်မှုကြားကာလကို တွက်ချက်ရန် R ရှိ confint() လုပ်ဆောင်ချက်ကို သင်အသုံးပြုနိုင်သည်။

ဤလုပ်ဆောင်ချက်သည် အောက်ပါအခြေခံ syntax ကိုအသုံးပြုသည်-

confint(အရာဝတ္ထု၊ parm၊ အဆင့်=0.95)

ရွှေ-

• အရာဝတ္ထု – တပ်ဆင်ထားသော ဆုတ်ယုတ်မှုပုံစံ၏ အမည်
• Parm : ယုံကြည်မှုကြားကာလကို တွက်ချက်ရန် ကန့်သတ်ချက်များ (မူလသည် အားလုံးဖြစ်သည်)
• အဆင့် – အသုံးပြုရန် ယုံကြည်မှုအဆင့် (မူရင်းတန်ဖိုးမှာ 0.95)

အောက်ဖော်ပြပါ ဥပမာသည် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။

ဥပမာ- R တွင် confit() လုပ်ဆောင်ချက်ကို အသုံးပြုနည်း

ကျွန်ုပ်တို့တွင် အောက်ပါဒေတာဘောင် R တွင် စာကျက်ချိန်ကြာချိန်၊ လေ့ကျင့်ရေးစာမေးပွဲအရေအတွက်နှင့် အတန်းတစ်ခန်းရှိ ကျောင်းသား 10 ဦး၏ နောက်ဆုံးစာမေးပွဲရမှတ်ကို ပြသသည်ဆိုပါစို့။

 #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

ယခု ကျွန်ုပ်တို့သည် R တွင် အောက်ပါ multiple linear regression model ကို ကိုက်ညီလိုသည်ဆိုပါစို့။

စာမေးပွဲရမှတ် = β ₀ + β ₁ (နာရီ) + β ₂ (လက်တွေ့စာမေးပွဲများ)

ဤမော်ဒယ်ကို လိုက်လျောညီထွေဖြစ်အောင် lm() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်ပါသည်။

 #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

မော်ဒယ်အနှစ်ချုပ်သည် တပ်ဆင်ထားသော ဆုတ်ယုတ်မှုကိန်းများကို ပြသသည်ကို သတိပြုပါ။

• ကြားဖြတ် = 68.4029
• နာရီ = 4.1912
• prac_exams = 2.6912

ဤ coefficient တစ်ခုစီအတွက် 95% ယုံကြည်မှုကြားကာလကို ရယူရန်၊ ကျွန်ုပ်တို့သည် confint() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်ပါသည်။

 #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

ကန့်သတ်ချက်တစ်ခုစီအတွက် 95% ယုံကြည်မှုကြားကာလကို ညွှန်ပြသည်-

• ကြားဖြတ်အတွက် 95% CI = [61.61၊ 75.19]
• နာရီများအတွက် 95% CI = [1.84၊ 6.55]
• prac_exams အတွက် 95% CI = [0.34၊ 5.05]

99% ယုံကြည်မှုကြားကာလကို တွက်ချက်ရန်၊ အဆင့် အငြင်းအခုံ၏တန်ဖိုးကို ပြောင်းလဲပါ။

 #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

တိကျသော ကန့်သတ်ဘောင်တစ်ခုအတွက် ယုံကြည်မှုကြားကာလတစ်ခုကိုသာ တွက်ချက်ရန်၊ Parm အငြင်းအခုံကို အသုံးပြု၍ coefficient ကို သတ်မှတ်ပါ-

 #calculate 99% confidence interval for hours
confint(fit, parm=' hours ', level= 0.99 )

          0.5% 99.5%
hours 0.7052664 7.677087

99% ယုံကြည်မှုကြားကာလကို နာရီ variable အတွက်သာ ပြသထားကြောင်း သတိပြုပါ။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် R တွင် linear regression အကြောင်း ထပ်လောင်းအချက်အလက်များကို ပေးဆောင်သည်-

R တွင် regression output ကို အဓိပ္ပာယ်ဖွင့်ဆိုပုံ
R တွင် ရိုးရှင်းသော linear regression လုပ်နည်း
R တွင် linear regression အများအပြားလုပ်ဆောင်နည်း
R တွင် logistic regression ကို မည်သို့လုပ်ဆောင်ရမည်နည်း