323  Regression4

Schlüsselwörter

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

323.1 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:

• \(g=1\)
• \(x=0\).

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	38.200	4.340	8.802	0	29.535	46.865
x	-9.712	0.445	-21.833	0	-10.600	-8.824
g	-36.827	6.361	-5.789	0	-49.527	-24.126
x:g	9.203	0.630	14.610	0	7.945	10.460

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

323.2 Lösung

\(\hat{y}\) beträgt im Fall der vorliegenden Parameter und dem vorliegenden Modell \(1\).

---

Categories:

• dyn
• regression
• lm
• num