Explicarea scorului de predare cu ajutorul vârstei

Modelare cu date în Tidyverse

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

Recapitulare: Vizualizarea exploratorie a datelor

Dreapta de regresie

# Code to create scatterplot
ggplot(evals, aes(x = age, y = score)) +
  geom_point() + 
  labs(x = "age", y = "score", 
       title = "Teaching score over age")

# Add a "best-fitting" line
ggplot(evals, aes(x = age, y = score)) +
  geom_point() + 
  labs(x = "age", y = "score", 
       title = "Teaching score over age") +
  geom_smooth(method = "lm", se = FALSE)

Dreapta de regresie

Recapitulare: Modelare în general

Adevărul: Modelul presupus este $y = f(\vec{x}) + \epsilon$
Scopul: Date fiind $y$ și $\vec{x}$, se ajustează un model $\hat{f}(\vec{x})$ care aproximează $f(\vec{x})$, unde $\hat{y} = \hat{f}(\vec{x})$ este valoarea ajustată/prezisă pentru valoarea observată $y$

Modelare prin regresie liniară simplă

Adevărul:
- Se presupune $f(x) = \beta_0 + \beta_1 \cdot x$
- Valoarea observată $y = f(x) + \epsilon = \beta_0 + \beta_1 \cdot x + \epsilon$
Ajustat:
- Se presupune $\hat{f}(x) = \hat{\beta}_0 + \hat{\beta}_1 \cdot x$
- Valoarea ajustată/prezisă $\hat{y} = \hat{f}(x) = \hat{\beta}_0 + \hat{\beta}_1 \cdot x$

Înapoi la dreapta de regresie

Ecuația dreptei de regresie albastre ajustate: $\hat{y} = \hat{f}(\vec{x}) = \hat{\beta}_0 + \hat{\beta}_1 \cdot x$

Calculul pantei și interceptului dreptei de regresie

Folosind formula de tip y ~ x:

# Fit regression model using formula of form: y ~ x
model_score_1 <- lm(score ~ age, data = evals)

# Output contents
model_score_1

Call:
lm(formula = score ~ age, data = evals)

Coefficients:
(Intercept)          age  
   4.461932    -0.005938

Calculul pantei și interceptului dreptei de regresie

Folosind formula de tip y ~ x, echivalentă cu $\hat{y}= \hat{f}(\vec{x})$

# Fit regression model using formula of form: y ~ x
model_score_1 <- lm(score ~ age, data = evals)

# Output regression table using wrapper function:
get_regression_table(model_score_1)

# A tibble: 2 x 7
  term      estimate std_error statistic p_value...
  <chr>        <dbl>     <dbl>     <dbl>   <dbl>... 
1 intercept    4.46      0.127     35.2    0...
2 age         -0.006     0.003     -2.31   0.021...

Să exersăm!

Modelare cu date în Tidyverse