<\/p>\n
U kunt de functie LinearHypothese()<\/strong> uit het car-<\/strong> pakket in R gebruiken om lineaire hypothesen in een specifiek regressiemodel te testen.<\/span><\/p>\n Deze functie gebruikt de volgende basissyntaxis:<\/span><\/p>\n Dit specifieke voorbeeld test of de regressieco\u00ebffici\u00ebnten var1<\/strong> en var2<\/strong> in het model dat fit<\/strong> wordt genoemd gezamenlijk gelijk zijn aan nul.<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze functie in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we het volgende gegevensframe in R hebben dat het aantal uren aan studeren toont, het aantal afgelegde oefenexamens en de eindexamenscore van 10 studenten in een klas:<\/span><\/p>\n Stel nu dat we het volgende meervoudige lineaire regressiemodel in R willen passen:<\/span><\/p>\n Examenscore = \u03b2 0<\/sub> + \u03b2 1<\/sub> (uren) + \u03b2 2<\/sub> (praktijkexamens)<\/span><\/p>\n We kunnen de functie lm()<\/a> gebruiken om dit model aan te passen:<\/span><\/p>\n Stel nu dat we willen testen of de urenco\u00ebffici\u00ebnt<\/strong> en de oefenexamens<\/strong> beide nul zijn.<\/span><\/p>\n We kunnen hiervoor de functie LinearHypothese()<\/strong> gebruiken:<\/span><\/p>\n De hypothesetest retourneert de volgende waarden:<\/span><\/p>\n Deze specifieke hypothesetest maakt gebruik van de volgende nul- en alternatieve hypothesen:<\/span><\/p>\n Omdat de p-waarde van de test (0,003553) kleiner is dan 0,05, verwerpen we de nulhypothese.<\/span><\/p>\n Met andere woorden: we hebben niet genoeg bewijs om te zeggen dat de regressieco\u00ebffici\u00ebnten voor uren<\/strong> en praktijkexamens<\/strong> beide gelijk zijn aan nul.<\/span><\/p>\n De volgende zelfstudies bieden aanvullende informatie over lineaire regressie in R:<\/span><\/p>\n Hoe regressie-uitvoer in R te interpreteren<\/a> U kunt de functie LinearHypothese() uit het car- pakket in R gebruiken om lineaire hypothesen in een specifiek regressiemodel te testen. Deze functie gebruikt de volgende basissyntaxis: linearHypothesis(fit, c(“ var1=0 „, “ var2=0 „)) Dit specifieke voorbeeld test of de regressieco\u00ebffici\u00ebnten var1 en var2 in het model dat fit wordt genoemd gezamenlijk gelijk zijn aan […]<\/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":[],"class_list":["post-3905","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n linearHypothesis(fit, c(\" var1=0<\/span> \", \" var2=0<\/span> \"))<\/strong><\/pre>\n Voorbeeld: hoe u de functie LinearHypothese() in R gebruikt<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data.frame(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, 4, 4, 2, 4, 5, 4, 3, 2, 1))\n\n#view data frame\n<\/span>df\n\n score hours prac_exams\n1 77 1 2\n2 79 1 4\n3 84 2 4\n4 85 3 2\n5 88 2 4\n6 99 4 5\n7 95 4 4\n8 90 2 3\n9 92 3 2\n10 94 3 1\n<\/strong><\/pre>\n #fit multiple linear regression model\n<\/span>fit <- lm(score ~ hours + prac_exams, data=df)\n\n#view summary of model\n<\/span>summary(fit)\n\nCall:\nlm(formula = score ~ hours + prac_exams, data = df)\n\nResiduals:\n Min 1Q Median 3Q Max \n-5.8366 -2.0875 0.1381 2.0652 4.6381 \n\nCoefficients:\n Estimate Std. Error t value Pr(>|t|) \n(Intercept) 72.7393 3.9455 18.436 3.42e-07 ***\nhours 5.8093 1.1161 5.205 0.00125 ** \nprac_exams 0.3346 0.9369 0.357 0.73150 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 3.59 on 7 degrees of freedom\nMultiple R-squared: 0.8004, Adjusted R-squared: 0.7434 \nF-statistic: 14.03 on 2 and 7 DF, p-value: 0.003553\n<\/strong><\/pre>\n library<\/span> (car)\n\n#perform hypothesis test for hours=0 and prac_exams=0\n<\/span>linearHypothesis(fit, c(\" hours=0<\/span> \", \" prac_exams=0<\/span> \"))\n\nLinear hypothesis testing\n\nHypothesis:\nhours = 0\nprac_exams = 0\n\nModel 1: restricted model\nModel 2: score ~ hours + prac_exams\n\n Res.Df RSS Df Sum of Sq F Pr(>F) \n1 9 452.10 \n2 7 90.24 2 361.86 14.035 0.003553 **\n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n<\/strong><\/pre>\n\n
\n
Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe eenvoudige lineaire regressie uit te voeren in R<\/a>
Hoe meervoudige lineaire regressie uit te voeren in R<\/a>
Hoe logistische regressie uit te voeren in R<\/p>\n","protected":false},"excerpt":{"rendered":"