Valutazione dei modelli finali

R per utenti SAS

Melinda Higgins, PhD

Research Professor/Senior Biostatistician Emory University

Esercizi finali

Conclusione del corso

Esegui modelli di regressione
- con predittori diversi
- per gruppi diversi
Scegli i modelli migliori
- salva i risultati
- estrai e mostra le statistiche di fit

Metti in mostra le tue skill

Valuta e confronta i modelli
- con visualizzazioni grafiche
Riporta le associazioni migliori
- tra variabili
- globali e per gruppo

Confronto tra modelli

# Esegui lm() per diffht ~ bmi, salva il modello
lmdiffhtbmi <- lm(diffht ~ bmi,
                  data = daviskeep)

# Esegui lm() per diffht ~ weight, salva il modello
lmdiffhtwt <- lm(diffht ~ weight,
                 data = daviskeep)

# Esegui summary() per ogni modello, salva i risultati
smrylmdiffhtbmi <- summary(lmdiffhtbmi)
smrylmdiffhtwt <- summary(lmdiffhtwt)

Confronto tra modelli

# Mostra r.squared per il modello con weight
smrylmdiffhtwt$r.squared

# Mostra r.squared per il modello con bmi
smrylmdiffhtbmi$r.squared

# Confronta gli AIC di entrambi i modelli
AIC(lmdiffhtbmi, lmdiffhtwt)


[1] 0.003281645


[1] 0.00121824

            df      AIC
lmdiffhtbmi  3 788.0816
lmdiffhtwt   3 787.7052

Modelli per gruppo - uomini vs donne

# Grafica diffht vs weight per sesso
ggplot(daviskeep,
       aes(diffht, weight)) +
  geom_point() +
  geom_smooth(method = "lm") +
  facet_wrap(vars(sex)) +
  ggtitle("Differenze di altezza
          previste da weight,
          modello per sesso")

grafico di diffht vs weight per sesso

Regressione su sottoinsieme

opzione where di SAS proc reg simile a subset in R lm

Adatta modelli per sottoinsiemi

# lm() di diffht in funzione di weight per femmine
lmdiffhtwtF <- lm(diffht ~ weight,
                  subset = (sex == "F"),
                  data = daviskeep)

# lm() di diffht in funzione di weight per maschi
lmdiffhtwtM <- lm(diffht ~ weight,
                  subset = (sex == "M"),
                  data = daviskeep)

# Esegui summary() per ogni modello e salva i risultati
smrylmdiffhtwtF <- summary(lmdiffhtwtF)
smrylmdiffhtwtM <- summary(lmdiffhtwtM)

Adatta modelli per sottoinsiemi

# r.squared per il modello solo femmine
smrylmdiffhtwtF$r.squared

# r.squared per il modello solo maschi
smrylmdiffhtwtM$r.squared


[1] 4.00807e-05


[1] 0.00804139

Concludiamo sviluppando alcuni modelli per prevedere l’età degli abalone!

R per utenti SAS