Doğrusal modellerin sınırlamaları

R'de Genelleştirilmiş Doğrusal Modeller

Richard Erickson

Instructor

Kurs genel bakış

Bölüm 1: Doğrusal model ve Poisson regresyonlarının özeti ve sınırları
Bölüm 2: Lojistik (Binom) regresyon
Bölüm 3: GLM'leri yorumlama ve görselleştirme
Bölüm 4: GLM'lerle çoklu regresyon

Veri biliminin yük beygiri

Doğrusal modeller: Veri biliminin yük beygiri

¹ US Department of Agriculture https://www.nal.usda.gov/exhibits/ipd/localfoods/exhibits/show/farmto–table/the–roads–of–rural–america

Doğrusal modeller

Doğrusal katsayılar veriyi nasıl açıklar?
Başlangıç etkisi için kesişim
Doğrusal yordayıcı için eğim
$y = \beta_0 + \beta_1 x + \epsilon $

R'de doğrusal modeller

lm(y ~ x, data = dat)

Doğrusallık varsayımı

Doğrusal ve doğrusal olmayan veriye örnek

Normallik varsayımı

Normal ve normal olmayan kalıntılar

Sürekli değişken varsayımı

Sürekli ve sürekli olmayan verinin karşılaştırılması .

Çalışma sonunda civciv ağırlıklarının kutu grafiği

Diyetlerin ağırlığa etkisi

datasets paketinden ChickWeight verisi
Çalışmanın son gözlemi ChickWeightEnd
Diyet 2, 3 ve 4; diyet 1 ile nasıl karşılaştırılır?

lm(formula = weight ~ Diet, data = ChickWeightEnd)

    Call:
    lm(formula = weight ~ Diet, data = ChickWeightEnd)
    Coefficients:
    (Intercept)        Diet2        Diet3        Diet4  
         177.75        36.95        92.55        60.81

Ya yaşama oranı veya sayımlar?

Ya civciv yaşama oranı veya sayımları?
Hiçbiri sürekli değil!
Yeni bir araca ihtiyaç var
Genelleştirilmiş doğrusal model

Genelleştirilmiş doğrusal model

Doğrusal modellere benzer
Normal olmayan hata dağılımı
Bağ fonksiyonları: $y = \psi(b_0 + b_1 x + \epsilon)$

R'de GLM'ler

glm( y ~ x, data = data, family = "gaussian")

lm(), glm( ..., family = "gaussian") ile aynıdır

Hadi pratik yapalım!

R'de Genelleştirilmiş Doğrusal Modeller