วิธีใช้ฟังก์ชัน confit() ใน r

คุณสามารถใช้ฟังก์ชัน confint() ใน R เพื่อคำนวณช่วงความมั่นใจสำหรับพารามิเตอร์ตั้งแต่หนึ่งตัวขึ้นไปในโมเดลการถดถอยที่ติดตั้งไว้

ฟังก์ชันนี้ใช้ไวยากรณ์พื้นฐานต่อไปนี้:

การจำกัด(วัตถุ, พาร์ม, ระดับ = 0.95)

ทอง:

• object : ชื่อของแบบจำลองการถดถอยที่ติดตั้ง
• parm : พารามิเตอร์ที่ใช้คำนวณช่วงความเชื่อมั่น (ค่าเริ่มต้นคือทั้งหมด)
• ระดับ : ระดับความเชื่อมั่นที่จะใช้ (ค่าเริ่มต้นคือ 0.95)

ตัวอย่างต่อไปนี้แสดงวิธีใช้ฟังก์ชันนี้ในทางปฏิบัติ

ตัวอย่าง: วิธีใช้ฟังก์ชัน confit() ใน R

สมมติว่าเรามีกรอบข้อมูลต่อไปนี้ใน R ที่แสดงจำนวนชั่วโมงที่ใช้ในการเรียน จำนวนข้อสอบฝึกหัดที่สอบ และคะแนนสอบปลายภาคของนักเรียน 10 คนในชั้นเรียน:

 #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

ตอนนี้ สมมติว่าเราต้องการปรับโมเดลการถดถอยเชิงเส้นพหุคูณต่อไปนี้ใน R:

คะแนนสอบ = β ₀ + β ₁ (ชั่วโมง) + β ₂ (ข้อสอบภาคปฏิบัติ)

เราสามารถใช้ฟังก์ชัน lm() เพื่อปรับเปลี่ยนโมเดลนี้ได้:

 #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

โปรดทราบว่าสรุปแบบจำลองจะแสดงค่าสัมประสิทธิ์การถดถอยที่ติดตั้งไว้:

• ค่าสกัดกั้น = 68.4029
• ชั่วโมง = 4.1912
• prac_exams = 2.6912

เพื่อให้ได้ช่วงความมั่นใจ 95% สำหรับแต่ละค่าสัมประสิทธิ์เหล่านี้ เราสามารถใช้ฟังก์ชัน confint() ได้:

 #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

ช่วงความเชื่อมั่น 95% สำหรับแต่ละพารามิเตอร์ถูกระบุ:

• CI 95% สำหรับการสกัดกั้น = [61.61, 75.19]
• CI 95% สำหรับชั่วโมง = [1.84, 6.55]
• CI 95% สำหรับ prac_exams = [0.34, 5.05]

ในการคำนวณช่วงความเชื่อมั่น 99% เพียงเปลี่ยนค่าของอาร์กิวเมนต์ ระดับ :

 #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

และในการคำนวณเฉพาะช่วงความเชื่อมั่นสำหรับพารามิเตอร์เฉพาะ เพียงระบุค่าสัมประสิทธิ์โดยใช้อาร์กิวเมนต์ parm :

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

          0.5% 99.5%
hours 0.7052664 7.677087

โปรดทราบว่าช่วงความเชื่อมั่น 99% จะแสดงเฉพาะตัวแปรชั่วโมงเท่านั้น

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้ให้ข้อมูลเพิ่มเติมเกี่ยวกับการถดถอยเชิงเส้นใน R:

วิธีการตีความเอาต์พุตการถดถอยใน R
วิธีดำเนินการถดถอยเชิงเส้นอย่างง่ายใน R
วิธีดำเนินการถดถอยเชิงเส้นพหุคูณใน R
วิธีดำเนินการถดถอยโลจิสติกใน R