penguins-regr02a

library(tidyverse)

Aufgabe

Beantworten Sie folgende Forschungsfrage:

Gibt es einen Zusammenhang von Schnabellänge und Gewicht (AV) bei Pinguinen?

Nutzen Sie die folgende Analyse für Ihre Antwort.

Wir rufen Stan:

🧑‍🏫 Hey, Stan, komm mal rüber! Wir haben da eine Frage an dich.

🤖 Beep, beep, beep! Bitte nur gute Fragen.

Setup:

library(rstanarm)
library(easystats)
library(tidyverse)
library(palmerpenguins)
data(penguins)

Modell:

m1 <- stan_glm(body_mass_g ~ bill_length_mm, 
               seed = 42,
               refresh = 0,
               data = penguins)

Parameter:

parameters(m1)

Parameter	Median	CI	CI_low	CI_high	pd	Rhat	ESS	Prior_Distribution	Prior_Location	Prior_Scale
(Intercept)	359.9393	0.95	-210.59190	927.8249	0.89575	1.000485	4117.553	normal	4201.754	2004.8863
bill_length_mm	87.4472	0.95	74.55696	100.2532	1.00000	1.000491	4123.761	normal	0.000	367.2233

Rope:

rope(m1)

Parameter	CI	ROPE_low	ROPE_high	ROPE_Percentage	Effects	Component
(Intercept)	0.95	-80.19545	80.19545	0.1084211	fixed	conditional
bill_length_mm	0.95	-80.19545	80.19545	0.1131579	fixed	conditional

Hier wird ein Bereich von ±80 Gramm als “vernachlässigbar” angesehen. Diese Voreinstellung sollte nur als grobe Orientierung dienen und sollte an die spezifische Forschungsfrage angepasst werden. Ihr Fachwissen sollte besser sein als dieser Default-Wert.

Visualisierung:

plot(rope(m1))

Lösung

Hier ist also keine klare Aussage zur Frage, ob der Effekt vernachlässigbar klein ist oder größer, möglich.

---

Categories:

• lm
• bayes
• rope
• string