library(tidyverse)display-logist1
paper
todo
Question
Eine logistische Regression wurde an einen Datensatz angepasst. Es ergaben sich folgende Koeffizienten (jeweils Punktschätzer):
Konstante = -1.9 x = 0.7 z = 0.7
x ist ein metrischer Prädiktor mit einem Range von 0 bis 10; z ist eine binärer Prädiktor (mit den Werten 0 und 1).
Visualisieren Sie die Kurven in einem Diagramm für
- \(L\) vs. \(x\)
- \(Pr(y=1)\) vs. \(x\)
Solution
Wir definieren die Variablen:
d <-
tibble(
x = seq(from = 0, to = 10, by = 0.1),
z = 1,
y_z0_linear = -1.9 + 0.7 * x + 0*z,
y_z1_linear = -1.9 + 0.7 * x + 1*z,
p_y_z0 = plogis(y_z0_linear),
p_y_z1 = plogis(y_z1_linear)
)Hier ist das Diagramm mit Logits auf der Y-Achse:
d %>%
ggplot() +
aes(x = x) +
geom_line(aes(y = y_z0_linear), color = "blue") +
geom_line(aes(y = y_z1_linear), color = "red") 
Hier ist das Diagramm mit Wahrscheinlichkeit auf der Y-Achse:
d %>%
ggplot() +
aes(x = x) +
geom_line(aes(y = p_y_z0), color = "blue") +
geom_line(aes(y = p_y_z1), color = "red") 
Aufgabenname: display-logist1
Meta-information
extype: string exsolution: NA exname: display-logist1 expoints: 1