เรื่องราวของตัวแปรสองตัว

การถดถอยใน R เบื้องต้น

Richie Cotton

Data Evangelist at DataCamp

ข้อมูลประกันภัยรถยนต์ในสวีเดน

แต่ละแถวแทนพื้นที่ทางภูมิศาสตร์หนึ่งแห่งในสวีเดน
มีทั้งหมด 63 แถว

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

สถิติเชิงพรรณนา

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

การถดถอยคืออะไร?

โมเดลทางสถิติสำหรับสำรวจความสัมพันธ์ระหว่างตัวแปรตอบสนองกับตัวแปรอธิบาย
เมื่อกำหนดค่าของตัวแปรอธิบาย สามารถพยากรณ์ค่าของตัวแปรตอบสนองได้

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

คำศัพท์

ตัวแปรตอบสนอง (หรือเรียกว่า ตัวแปรตาม)

ตัวแปรที่ต้องการพยากรณ์

ตัวแปรอธิบาย (หรือเรียกว่า ตัวแปรอิสระ)

ตัวแปรที่อธิบายว่าตัวแปรตอบสนองจะเปลี่ยนแปลงอย่างไร

การถดถอยเชิงเส้นและการถดถอยโลจิสติก

การถดถอยเชิงเส้น

ตัวแปรตอบสนองเป็นตัวเลข

การถดถอยโลจิสติก

ตัวแปรตอบสนองเป็นค่าตรรกะ

การถดถอยเชิงเส้น/โลจิสติกแบบง่าย

มีตัวแปรอธิบายเพียงหนึ่งตัว

การแสดงภาพตัวแปรสองตัว

library(ggplot2)

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

กราฟกระจายแสดงยอดชำระรวมเทียบกับจำนวนการเคลมประกัน โดยยอดชำระเพิ่มขึ้นตามจำนวนการเคลมที่มากขึ้น

การเพิ่มเส้นแนวโน้มเชิงเส้น

library(ggplot2)

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

กราฟกระจายเดิม แต่มีเส้นแนวโน้มที่คำนวณด้วยการถดถอยเชิงเส้นเพิ่มเติม ซึ่งให้การปรับพอดีกับข้อมูลได้อย่างสมเหตุสมผล

ภาพรวมของคอร์ส

บทที่ 1

การแสดงภาพและสร้างโมเดลการถดถอยเชิงเส้น

บทที่ 2

การพยากรณ์จากโมเดลการถดถอยเชิงเส้นและการทำความเข้าใจค่าสัมประสิทธิ์ของโมเดล

บทที่ 3

การประเมินคุณภาพของโมเดลการถดถอยเชิงเส้น

บทที่ 4

เนื้อหาเดิม แต่ใช้โมเดลการถดถอยโลจิสติก

มาฝึกกันเถอะ!

การถดถอยใน R เบื้องต้น