95  Regression4

Schlüsselwörter

Aufgaben, Statistik, Prognose, Modellierung, R, Datenanalyse, Regression

95.1 Aufgabe

x_selected <- runif(1, min = xmin, max = xmax) %>% floor()
g_selected <- sample(x = c(0, 1), size = 1,
            replace = TRUE,
            prob = c(anteil_g1, 1-anteil_g1))

Berechnen Sie \(\hat{y}\) für das unten ausgegeben Modell!

Nutzen Sie dafür folgende Werte:

• \(g=0\)
• \(x=-18\).

get_regression_table(lm_true) %>% 
  kbl(booktabs = T) %>% 
  # kbl(booktabs = T, format = "latex") %>%   # needed for PDF output!
  kable_styling()

term	estimate	std_error	statistic	p_value	lower_ci	upper_ci
intercept	-41.565	1.838	-22.614	0	-45.234	-37.895
x	9.990	0.164	60.995	0	9.663	10.317
g	41.784	2.322	17.997	0	37.149	46.420
x:g	9.978	0.214	46.559	0	9.550	10.406

Hinweis: Ein Interaktionseffekt der Variablen \(x\) und \(g\) ist mit x:g gekennzeichnet. Runden Sie zur nächsten ganzen Zahl.

95.2 Lösung

\(\hat{y}\) beträgt im Fall der vorliegenden Parameter und dem vorliegenden Modell \(-221\).

---

Categories:

• dyn
• regression
• lm
• num