최종 모델 평가

SAS 사용자를 위한 R

Melinda Higgins, PhD

Research Professor/Senior Biostatistician Emory University

최종 실습

과정 마무리

회귀 모델 실행
- 다양한 예측 변수별
- 다양한 그룹별
최적 모델 선택
- 모델 결과 저장
- 적합도 통계 추출·표시

역량 보여주기

모델 평가 및 비교
- 그래프 시각화 활용
최적 연관성 보고
- 변수 간
- 전체 및 그룹별

모델 비교

# Run lm() for diffht by bmi, save model
lmdiffhtbmi <- lm(diffht ~ bmi,
                  data = daviskeep)

# Run lm() for diffht by weight, save model
lmdiffhtwt <- lm(diffht ~ weight,
                 data = daviskeep)

# Run summary() for each model, save results
smrylmdiffhtbmi <- summary(lmdiffhtbmi)
smrylmdiffhtwt <- summary(lmdiffhtwt)

모델 비교

# Display r.squared for weight model
smrylmdiffhtwt$r.squared

# Display r.squared for bmi model
smrylmdiffhtbmi$r.squared

# Compare AICs for both models
AIC(lmdiffhtbmi, lmdiffhtwt)


[1] 0.003281645


[1] 0.00121824

            df      AIC
lmdiffhtbmi  3 788.0816
lmdiffhtwt   3 787.7052

그룹별 모델 - 남성 vs 여성

# Plot diffht by weight by sex
ggplot(daviskeep,
       aes(diffht, weight)) +
  geom_point() +
  geom_smooth(method = "lm") +
  facet_wrap(vars(sex)) +
  ggtitle("체중으로 예측한 키 차이,
          성별별 적합")

성별별 diffht 대 weight 플롯

부분집합에 대한 회귀

R lm 함수의 부분집합 옵션과 유사한 SAS proc reg where 옵션

부분집합별 모델 적합

# lm() of diffht by weight for females
lmdiffhtwtF <- lm(diffht ~ weight,
                  subset = (sex == "F"),
                  data = daviskeep)

# lm() of diffht by weight for males
lmdiffhtwtM <- lm(diffht ~ weight,
                  subset = (sex == "M"),
                  data = daviskeep)

# Run summary() for each model save results
smrylmdiffhtwtF <- summary(lmdiffhtwtF)
smrylmdiffhtwtM <- summary(lmdiffhtwtM)

부분집합별 모델 적합

# r.squared for females only model
smrylmdiffhtwtF$r.squared

# r.squared for males only model
smrylmdiffhtwtM$r.squared


[1] 4.00807e-05


[1] 0.00804139

전복 나이 예측용 모델 몇 가지를 만들어 정리해 봅시다!

SAS 사용자를 위한 R