R'de coeftest() işlevi nasıl kullanılır?

Bir regresyon modelinde tahmin edilen her katsayı için bir t testi gerçekleştirmek üzere R’deki lmtest paketindeki coeftest() işlevini kullanabilirsiniz.

Bu işlev aşağıdaki temel sözdizimini kullanır:

ortaktest(x)

Altın:

• x : Uygun regresyon modelinin adı

Aşağıdaki örnekte bu fonksiyonun pratikte nasıl kullanılacağı gösterilmektedir.

Örnek: R’de coeftest() işlevi nasıl kullanılır?

R’de, bir sınıftaki 10 öğrencinin ders çalışmak için harcanan saat sayısını, alınan uygulama sınavlarının sayısını ve final sınav puanını gösteren aşağıdaki veri çerçevesine sahip olduğumuzu varsayalım:

 #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

Şimdi aşağıdaki çoklu doğrusal regresyon modelini R’ye sığdırmak istediğimizi varsayalım:

Sınav puanı = β ₀ + β ₁ (saat) + β ₂ (pratik sınavlar)

Bu modeli uyarlamak için lm() fonksiyonunu kullanabiliriz:

 #fit multiple linear regression model
fit <- lm(score ~ hours + prac_exams, data=df)

Daha sonra modeldeki her uygun regresyon katsayısı için bir t-testi gerçekleştirmek üzere coeftest() işlevini kullanabiliriz:

 library (lmtest)

#perform t-test for each coefficient in model
coeftest(fit)

t test of coefficients:

            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 68.40294 2.87227 23.8150 5.851e-08 ***
hours 4.19118 0.99612 4.2075 0.003998 ** 
prac_exams 2.69118 0.99612 2.7017 0.030566 *  
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Her t testi için t testi istatistiği ve karşılık gelen p değeri görüntülenir:

• Kesişme : t = 23,8150, p = <0,000
• saat : t = 4,2075, p = 0,003998
• prac_exams : t = 2,7017, p = 0,030566

Her t-testi için aşağıdaki boş ve alternatif hipotezleri kullandığımızı unutmayın:

• H ₀ : β _i = 0 (eğim sıfıra eşittir)
• H _A : β _i ≠ 0 (eğim sıfıra eşit değildir)

T testinin p değeri belirli bir eşiğin altındaysa (örn. α = 0,05), boş hipotezi reddederiz ve yordayıcı değişken ile yanıt değişkeni arasında istatistiksel olarak anlamlı bir ilişki olduğu sonucuna varırız.

Her bir t-testi için p değeri 0,05’ten küçük olduğundan, modeldeki her yordayıcı değişkenin yanıt değişkeni ile istatistiksel olarak anlamlı bir ilişkiye sahip olduğu sonucuna varabiliriz.

Bu örnek bağlamında, ders çalışmak için harcanan saatlerin ve alınan uygulama sınavlarının sayısının, öğrencilerin final sınav notu üzerinde istatistiksel olarak anlamlı belirleyiciler olduğunu söyleyebiliriz.

Ek kaynaklar

Aşağıdaki eğitimler R’deki doğrusal regresyon hakkında ek bilgi sağlar:

R’de regresyon çıktısı nasıl yorumlanır
R’de basit doğrusal regresyon nasıl gerçekleştirilir
R’de çoklu doğrusal regresyon nasıl gerçekleştirilir
R’de lojistik regresyon nasıl gerçekleştirilir