Een verhaal van twee variabelen

Introductie tot regressie in R

Richie Cotton

Data Evangelist at DataCamp

Zweedse autoverzekeringsdata

Elke rij is één geografische regio in Zweden.
Er zijn 63 rijen.

n_claims	total_payment_sek
108	392.5
19	46.2
13	15.7
124	422.2
40	119.4
...	...

Beschrijvende statistiek

library(dplyr)
swedish_motor_insurance %>% 
  summarize_all(mean)

# A tibble: 1 x 2
  n_claims total_payment_sek
     <dbl>             <dbl>
1     22.9              98.2

swedish_motor_insurance %>% 
  summarize(
    correlation = cor(n_claims, total_payment_sek)
  )

# A tibble: 1 x 1
  correlation
        <dbl>
1       0.881

Wat is regressie?

Statistische modellen om de relatie tussen een responsvariabele en verklarende variabelen te verkennen.
Met waarden van verklarende variabelen kun je de respons voorspellen.

n_claims	total_payment_sek
108	392.5
19	46.2
13	15.7
124	422.2
40	119.4
200	???

Jargon

Responsvariabele (ook wel afhankelijke variabele)

De variabele die je wilt voorspellen.

Verklarende variabelen (ook wel onafhankelijke variabelen)

De variabelen die verklaren hoe de responsvariabele verandert.

Lineaire en logistische regressie

Lineaire regressie

De responsvariabele is numeriek.

Logistische regressie

De responsvariabele is logisch.

Eenvoudige lineaire/logistische regressie

Er is maar één verklarende variabele.

Parenvan variabelen visualiseren

library(ggplot2)

ggplot(
  swedish_motor_insurance, 
  aes(n_claims, total_payment_sek)
) +
  geom_point()

Een spreidingsdiagram van de totale uitbetaling versus het aantal claims. De uitbetaling stijgt naarmate het aantal claims toeneemt.

Een lineaire trendlijn toevoegen

library(ggplot2)

ggplot(
  swedish_motor_insurance, 
  aes(n_claims, total_payment_sek)
) +
  geom_point() +
  geom_smooth(
    method = "lm", 
    se = FALSE
  )

Hetzelfde spreidingsdiagram als eerder, nu met een extra trendlijn berekend via lineaire regressie. Deze past redelijk bij de data.

Cursusopbouw

Hoofdstuk 1

Lineaire regressiemodellen visualiseren en fitten.

Hoofdstuk 2

Voorspellen met lineaire modellen en modelcoëfficiënten begrijpen.

Hoofdstuk 3

De kwaliteit van het lineaire regressiemodel beoordelen.

Hoofdstuk 4

Hetzelfde, maar met logistische regressiemodellen.

Laten we oefenen!

Introductie tot regressie in R