Как использовать функцию confit() в r

Вы можете использовать функцию contin() в R для расчета доверительного интервала для одного или нескольких параметров в подобранной регрессионной модели.

Эта функция использует следующий базовый синтаксис:

contin(объект, параметр, уровень=0,95)

Золото:

• объект : Имя подобранной регрессионной модели.
• parm : Параметры, для которых рассчитывается доверительный интервал (по умолчанию — все)
• level : используемый уровень уверенности (значение по умолчанию — 0,95).

В следующем примере показано, как использовать эту функцию на практике.

Пример: как использовать функцию confit() в R

Предположим, у нас есть следующий фрейм данных в R, который показывает количество часов, потраченных на обучение, количество сданных практических экзаменов и итоговую оценку экзамена 10 студентов в классе:

 #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

Теперь предположим, что мы хотим применить следующую модель множественной линейной регрессии в R:

Оценка за экзамен = β ₀ + β ₁ (часы) + β ₂ (практические экзамены)

Мы можем использовать функцию lm() для адаптации этой модели:

 #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

Обратите внимание, что в сводке модели отображаются подобранные коэффициенты регрессии:

• Перехват = 68,4029
• часы = 4,1912
• prac_exams = 2,6912

Чтобы получить 95% доверительный интервал для каждого из этих коэффициентов, мы можем использовать функцию conint() :

 #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

Для каждого параметра указан 95% доверительный интервал:

• 95% ДИ для перехвата = [61,61, 75,19]
• 95% ДИ для часов = [1,84, 6,55]
• 95% ДИ для prac_exams = [0,34, 5,05]

Чтобы вычислить доверительный интервал 99%, просто измените значение аргумента уровня :

 #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

А чтобы вычислить только доверительный интервал для конкретного параметра, просто укажите коэффициент с помощью аргумента parm :

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

          0.5% 99.5%
hours 0.7052664 7.677087

Обратите внимание, что доверительный интервал 99% показан только для переменной часов.

Дополнительные ресурсы

Следующие руководства предоставляют дополнительную информацию о линейной регрессии в R:

Как интерпретировать результаты регрессии в R
Как выполнить простую линейную регрессию в R
Как выполнить множественную линейную регрессию в R
Как выполнить логистическую регрессию в R