설명을 위한 모델링 배경

Tidyverse로 하는 데이터 모델링

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

강의 개요

모델링 소개: 이론과 용어
회귀 분석:
- 단순 선형 회귀
- 다중 회귀
모델 평가

일반 모델링 프레임워크 공식

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

여기서:

$y$: 관심 결과 변수
$\vec{x}$: 설명/예측 변수
$f()$: $y$와 $\vec{x}$ 간의 관계 함수 (일명 신호)
$\epsilon$: 비체계적 오차 성분 (일명 노이즈)

두 가지 모델링 시나리오

모델링 목적:

설명: $\vec{x}$는 설명 변수
예측: $\vec{x}$는 예측 변수

설명을 위한 모델링 예시

텍사스 대학교 오스틴 캠퍼스의 강의 평가 점수 연구 (openintro.org 에서 이용 가능).

질문: 교수자의 다양한 속성으로 강의 평가 점수의 차이를 설명할 수 있는가?

변수:

$y$: 학생 평가 기반 평균 강의 score
$\vec{x}$: rank, gender, age, bty_avg 등의 속성

설명을 위한 모델링 예시

ModernDive.com의 moderndive 패키지:

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...
...

탐색적 데이터 분석

탐색적 데이터 분석(EDA)의 세 가지 기본 단계:

데이터 살펴보기
시각화 생성
요약 통계량 계산

탐색적 데이터 분석

library(ggplot2)
ggplot(evals, aes(x = score)) +
  geom_histogram(binwidth = 0.25) + 
  labs(x = "teaching score", y = "count")

탐색적 데이터 분석

# 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

연습해 봅시다!

Tidyverse로 하는 데이터 모델링