Kiến thức nền về mô hình hóa để giải thích

Mô hình hóa với dữ liệu trong Tidyverse

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

Tổng quan khóa học

  1. Giới thiệu mô hình: lý thuyết và thuật ngữ
  2. Hồi quy:
    • Hồi quy tuyến tính đơn
    • Hồi quy bội
  3. Đánh giá mô hình
Mô hình hóa với dữ liệu trong Tidyverse

Công thức khung mô hình tổng quát

$$

$$y = f(\vec{x}) + \epsilon$$

Trong đó:

  • $y$: biến kết quả quan tâm
  • $\vec{x}$: các biến giải thích/dự báo
  • $f()$: hàm mô tả quan hệ giữa $y$ và $\vec{x}$, còn gọi là "tín hiệu"
  • $\epsilon$: thành phần sai số ngẫu nhiên, còn gọi là "nhiễu"
Mô hình hóa với dữ liệu trong Tidyverse

Hai kịch bản mô hình hóa

Mô hình hóa nhằm:

  • Giải thích: $\vec{x}$ là các biến "giải thích"
  • Dự báo: $\vec{x}$ là các biến "dự báo"
Mô hình hóa với dữ liệu trong Tidyverse

Ví dụ mô hình hóa để giải thích

Một nghiên cứu tại University of Texas ở Austin về điểm đánh giá giảng dạy (có tại openintro.org).

"Câu hỏi": Chúng ta có thể giải thích khác biệt điểm đánh giá giảng dạy dựa trên các thuộc tính của giảng viên không?

"Biến":

  • $y$: Điểm score trung bình dựa trên đánh giá của sinh viên
  • $\vec{x}$: Thuộc tính như rank, gender, age, và bty_avg
Mô hình hóa với dữ liệu trong Tidyverse

Ví dụ mô hình hóa để giải thích

Từ gói moderndive cho ModernDive.com:

library(dplyr)
library(moderndive)
glimpse(evals)

Observations: 463
Variables: 13
$ ID           <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10...
$ score        <dbl> 4.7, 4.1, 3.9, 4.8, 4.6, 4.3...
$ age          <int> 36, 36, 36, 36, 59, 59, 59, 51...
$ bty_avg      <dbl> 5.000, 5.000, 5.000, 5.000...
$ gender       <fct> female, female, female, female...
...
Mô hình hóa với dữ liệu trong Tidyverse

Khám phá dữ liệu

Ba bước cơ bản của khám phá dữ liệu (EDA):

  1. Xem dữ liệu
  2. Tạo trực quan hóa
  3. Tính thống kê tóm tắt
Mô hình hóa với dữ liệu trong Tidyverse

Khám phá dữ liệu

library(ggplot2)
ggplot(evals, aes(x = score)) +
  geom_histogram(binwidth = 0.25) + 
  labs(x = "teaching score", y = "count")
Mô hình hóa với dữ liệu trong Tidyverse

Khám phá dữ liệu

Mô hình hóa với dữ liệu trong Tidyverse

Khám phá dữ liệu

# Compute mean, median, and standard deviation
evals %>%
  summarize(mean_score = mean(score), 
            median_score = median(score),
            sd_score = sd(score))

# A tibble: 1 x 3
  mean_score median_score sd_score
       <dbl>        <dbl>    <dbl>
1       4.17          4.3    0.544
Mô hình hóa với dữ liệu trong Tidyverse

Cùng luyện tập nào!

Mô hình hóa với dữ liệu trong Tidyverse

Preparing Video For Download...