library(tidyverse)
options(mc.cores = parallel::detectCores())glm-linear-transf
Question
Forschungsfrage: Ist der Zusammenhang von Körpergröße und ‘Mann’ positiv? Gehen also höhere Werte in Körpergröße height einher mit einer höheren Wahrscheinlichkeit, dass es sich um einen Mann m handelt?
Berechnen Sie ein Bayes-Modell und geben Sie die Punktschätzer der Modellkoeffizienten an - einmal für height in Inches und einmal in Zentimeter.
Hinweise:
- Geben Sie
1ein für “ja” und0für nein. - Gleichen sich Koeffizienten bis einschließlich der 1. Dezimale, so gelten sie als “gleich”.
- Nutzen Sie Standardwerte von
stan_glm()für Ihr Modell. - Entfernen Sie fehlende Werte wo nötig.
- Gehen Sie von unzentrierten Daten aus, soweit nicht anders angegeben.
Questionlist
- Handelt es sich bei der Transformation (von Inches in Zentimeter) um eine lineare Transformation?
- Ändert sich der Punktschätzer des Achsenabschnitts durch die Transformation?
- Ändert sich der Punktschätzer des Regressionsgewichts durch die Transformation?
- Bei zentrierten Daten: Ändert sich der Punktschätzer des Regressionsgewichts durch die Transformation?
Solution
d <- read_csv(
"https://vincentarelbundock.github.io/Rdatasets/csv/openintro/speed_gender_height.csv")Bereiten wir die Daten vor:
d2 <- d %>%
select(gender, height) %>%
drop_na() %>%
mutate(male = ifelse(gender == "male", 1, 0),
height_cm = height * 2.54,
height_c = height - mean(height),
height_cm_c = height_cm - mean(height_cm)) Modell in Inches:
m1 <- stan_glm(male ~ height,
family = binomial(link="logit"),
data = d2, refresh = 0)
coef(m1)(Intercept) height
-35.3659808 0.5183959
Modell in Zentimetern:
m2 <- stan_glm(male ~ height_cm,
family = binomial(link="logit"),
data = d2, refresh = 0)
coef(m2)(Intercept) height_cm
-35.3652575 0.2040302
Der Achsenabschnitt ändert sich nicht, da x=0 vor und nach der Transformation gleich bleibt: 0 Inches sind 0 Zentimeter.
Der Regressionskoeffizient ändert sich, da eine Einheit auf der X-Achse jetzt nicht mehr ein Inch, sondern ein Zentimeter ist, entsprechend ändert sich auch der Wert in der Y-Achse.
Zentriertes Modell in Inches:
m3 <- stan_glm(male ~ height_c,
family = binomial(link="logit"),
data = d2, refresh = 0)
coef(m3)(Intercept) height_c
-1.0992732 0.5184144
Zentriertes Modell in Zentimetern:
m4 <- stan_glm(male ~ height_cm_c,
family = binomial(link="logit"),
data = d2, refresh = 0)
coef(m4)(Intercept) height_cm_c
-1.0999669 0.2038549
Hier (bei zentrierten Prädiktoren) ändert sich der Achsenabschnitt nicht durch die Transformation, da vor und nach der Transformation x=0 weiterhin x=0 ist. Das Regressiongewicht, \(\beta\), ändert sich.
sol_a = 1
sol_b <- 0
sol_c <- 1
sol_d <- 1Aufgabenname: glm-linear-transf
Solutionlist
- Ja; Transformation der Art \(y = a + bx\) nennt man linear.
- Nein; der Punktschätzer des Achsenabschnitts ändert sich nicht durch die Transformation.
- Ja; der der Punktschätzer des Regressionsgewichts ändert sich durch die Transformation.
- Ja; Bei zentrierten Daten ändert sich der Punktschätzer des Regressionsgewichts durch die Transformation.
Meta-information
extype: cloze exsolution: 1|0|1|1 exclozetype: num|num|num|num exname: glm-linear-transf expoints: 1