mod <- stan_glm(av ~ uv1 + uv2,
data = d,
refresh = 0,
# chains = config$chains, # ignorieren Sie diese Zeile
seed = 42)modellinterpret-breite
Question
Im Folgenden ist der Datensatz Boston zu analysieren. Er ist unter dieser Quelle erhältlich: https://vincentarelbundock.github.io/Rdatasets/csv/MASS/Boston.csv.
Eine Möglichkeit, den Datensatz zu beziehen, ist diese Sammlung an Datensätzen. Suchen Sie dort nach dem Namen des Datensatzes. Importieren Sie dann die Daten in R.
Hilfe zum Datensatz ist auf dieser Webseite abrufbar.
Zur Lösung dieser Aufgabe ist folgendes lineares Modell zu berechnen:
AV: medv.
UVs: age, black.
Im Folgenden wird ein Prädiktor aus der Menge der UV näher betrachtet. Der gewählte Prädiktor ist die erste oben genannte UV: age (uv1).
Aufgabe: Was ist der Punktschätzer des gewählten Regressionskoeffizienten?
Solution
MUSTERLÖSUNG
Der Datensatz heißt: Boston.
Quelle: https://vincentarelbundock.github.io/Rdatasets/csv/MASS/Boston.csv.
Pakete starten:
Daten importieren:
d <- read_csv('https://vincentarelbundock.github.io/Rdatasets/csv/MASS/Boston.csv')
Modell berechnen:
Allgemein:
Konkret:
mod <- stan_glm(medv ~ age + black, data = d, seed = 42)
Mit parameters() können Sie einfach den Wert des Parameters nachschauen:
| Parameter | Median | CI | CI_low | CI_high | pd | Rhat | ESS_tail | Prior_Distribution | Prior_Location | Prior_Scale |
|---|---|---|---|---|---|---|---|---|---|---|
| (Intercept) | 20.5498068 | 0.95 | 16.4758266 | 24.5648386 | 1 | 1.000814 | 2751 | normal | 22.53281 | 22.9927602 |
| uv1 | -0.1012432 | 0.95 | -0.1280843 | -0.0745496 | 1 | 1.001436 | 3291 | normal | 0.00000 | 0.8168274 |
| uv2 | 0.0250723 | 0.95 | 0.0165749 | 0.0332892 | 1 | 1.000101 | 2886 | normal | 0.00000 | 0.2518516 |
Man liest also in der Zeile uv1 in der Spalte Median den Wert ab.
Lösung: Der Punktschätzer des Modellkoeffizienten liegt bei -0.10.
Aufgaben-ID: post-md3, Toleranzbreite: 0.460
Aufgabenname: modellinterpret-breite
Meta-information
exname: modellinterpret-breite extype: num exsolution: -0.10 extol: 0.460 exshuffle: false expoints: 1 categories: - bayes - regression - dyn