ggplot2 і біноміальна GLM

Узагальнені лінійні моделі в R

Richard Erickson

Instructor

Що видно в даних?

Чи впливає відстань до роботи на ймовірність їхати автобусом?

ggplot(bus, aes(x = MilesOneWay, y = Bus)) + geom_point()

Графік лише з точками

geom_jitter()

gg_jitter <- ggplot(bus, aes(x = MilesOneWay, y = Bus)) +
             geom_jitter(width = 0, height = 0.05)
print(gg_jitter)

Розсипаний (jitter) графік точок

geom_smooth()

gg_jitter + geom_smooth()

Попередній jitter-графік зі згладженою геометрією.

factor → numeric

str(bus)
bus$Bus2 <- as.numeric(bus$Bus) - 1

geom_smooth()

gg_jitter + geom_smooth()

Змініть дані на числові замість символьних

Лінійні моделі

gg_jitter + geom_smooth(method = 'glm')

Додайте lm до ggJitter

Логістична регресія

ggJitter + 
geom_smooth(method = 'glm',
            method.args = list(family = "binomial"))

ggJitter із логістичною кривою

gg_jitter + 
    geom_smooth(method = 'glm',
                method.args = list(family = binomial(link = 'logit')),
                se = FALSE, color = 'red') +
    geom_smooth(method = 'glm',
                method.args = list(family = binomial(link = 'probit')),
                se = FALSE, color = 'blue')

ggJitter з кривими logit і probit

Підсумок кроків

Будуйте як jitter, щоб уникнути накладання
Додайте згладжену геометрію
Задайте коректні method і family
Відшліфуйте фігуру (поза межами курсу)

Давайте потренуємось!

Узагальнені лінійні моделі в R