R'de confit() işlevi nasıl kullanılır?

Uygun bir regresyon modelinde bir veya daha fazla parametre için bir güven aralığı hesaplamak amacıyla R’dekiconcont () işlevini kullanabilirsiniz.

Bu işlev aşağıdaki temel sözdizimini kullanır:

Confint(nesne, parm, seviye=0,95)

Altın:

• nesne : Uygun regresyon modelinin adı
• parm : Güven aralığının hesaplanacağı parametreler (varsayılan hepsidir)
• düzey : Kullanılacak güven düzeyi (varsayılan değer 0,95’tir)

Aşağıdaki örnekte bu fonksiyonun pratikte nasıl kullanılacağı gösterilmektedir.

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

Bir sınıftaki 10 öğrencinin ders çalışmak için harcanan saat sayısını, alınan uygulama sınavlarının sayısını ve final sınav puanını gösteren aşağıdaki R 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)

#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

Model özetinin uygun regresyon katsayılarını gösterdiğini unutmayın:

• Kesişme = 68.4029
• saat = 4,1912
• prac_exams = 2,6912

Bu katsayıların her biri için %95’lik bir güven aralığı elde etmek amacıyla, concont() fonksiyonunu kullanabiliriz:

 #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

Her parametre için %95 güven aralığı belirtilir:

• Kesişme için %95 GA = [61,61, 75,19]
• Saatler için %95 GA = [1,84, 6,55]
• Prac_exams için %95 GA = [0,34, 5,05]

%99 güven aralığını hesaplamak için seviye bağımsız değişkeninin değerini değiştirmeniz yeterlidir:

 #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

Belirli bir parametre için yalnızca güven aralığını hesaplamak için parm bağımsız değişkenini kullanarak katsayıyı belirtmeniz yeterlidir:

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

          0.5% 99.5%
hours 0.7052664 7.677087

%99 güven aralığının yalnızca saat değişkeni için gösterildiğini unutmayın.

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