ข้อจำกัดของโมเดลเชิงเส้น

Generalized Linear Models ใน R

Richard Erickson

Instructor

ภาพรวมคอร์ส

บทที่ 1: ทบทวนและข้อจำกัดของ linear model และ Poisson regression
บทที่ 2: Logistic (Binomial) regression
บทที่ 3: การตีความและการพล็อต GLM
บทที่ 4: Multiple regression ด้วย GLM

เครื่องมือหลักของ data science

Linear model: เครื่องมือหลักของ data science

¹ US Department of Agriculture https://www.nal.usda.gov/exhibits/ipd/localfoods/exhibits/show/farmto–table/the–roads–of–rural–america

Linear model

ค่าสัมประสิทธิ์เชิงเส้นอธิบายข้อมูลอย่างไร?
Intercept สำหรับผลพื้นฐาน
Slope สำหรับตัวพยากรณ์เชิงเส้น
$y = \beta_0 + \beta_1 x + \epsilon $

Linear model ใน R

lm(y ~ x, data = dat)

ข้อสมมติเรื่องความเป็นเส้นตรง

ตัวอย่างข้อมูลเชิงเส้นและไม่เชิงเส้น

ข้อสมมติเรื่องการแจกแจงแบบปกติ

ค่าคงเหลือแบบปกติและไม่ปกติ

ข้อสมมติเรื่องตัวแปรแบบต่อเนื่อง

ข้อมูลแบบต่อเนื่องเทียบกับไม่ต่อเนื่อง .

Boxplot ของน้ำหนักลูกไก่เมื่อสิ้นสุดการศึกษา

ผลของอาหารต่อน้ำหนักลูกไก่

ข้อมูล ChickWeight จากแพ็กเกจ datasets
ChickWeightsEnd การสังเกตครั้งสุดท้ายในการศึกษา
อาหาร 2, 3 และ 4 เปรียบเทียบกับอาหาร 1 อย่างไร?

lm(formula = weight ~ Diet, data = ChickWeightEnd)

    Call:
    lm(formula = weight ~ Diet, data = ChickWeightEnd)
    Coefficients:
    (Intercept)        Diet2        Diet3        Diet4  
         177.75        36.95        92.55        60.81

แล้วอัตราการรอดชีวิตหรือการนับจำนวนล่ะ?

แล้วอัตราการรอดชีวิตหรือจำนวนลูกไก่ล่ะ?
ทั้งสองไม่ใช่ตัวแปรต่อเนื่อง!
ต้องการเครื่องมือใหม่
นั่นคือ generalized linear model

Generalized linear model

คล้ายกับ linear model
การแจกแจงของความคลาดเคลื่อนแบบไม่ปกติ
Link function: $y = \psi(b_0 + b_1 x + \epsilon)$

GLM ใน R

glm( y ~ x, data = data, family = "gaussian")

lm() เหมือนกับ glm( ..., family = "gaussian")

มาฝึกกันเถอะ!

Generalized Linear Models ใน R