lm1

Aufgabe

Laden Sie den Datensatz mtcars aus dieser Quelle.

Berechnen Sie eine Regression mit mpg als Ausgabevariable und hp als Eingabevariable!

Welche Aussage ist für diese Analyse richtig?

Answerlist

• mpg und hp sind positiv korreliert laut dem Modell.
• Der Achsenabschnitt ist nahe Null.
• Die Analyse beinhaltet einen nominal skalierten Prädiktor.
• Das geschätzte Betagewicht für hp liegt bei 30.099.
• Das geschätzte Betagewicht für hp liegt bei -0.068.

Lösung

Das geschätzte Betagewicht für hp liegt bei -0.068.

Die Analyse könnte so aussehen:

library(tidyverse)

── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.1.3     ✔ readr     2.1.4
✔ forcats   1.0.0     ✔ stringr   1.5.0
✔ ggplot2   3.4.4     ✔ tibble    3.2.1
✔ lubridate 1.9.3     ✔ tidyr     1.3.0
✔ purrr     1.0.2     
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

library(easystats)

# Attaching packages: easystats 0.6.0 (red = needs update)
✔ bayestestR  0.13.1   ✔ correlation 0.8.4 
✔ datawizard  0.9.0    ✔ effectsize  0.8.6 
✔ insight     0.19.6   ✔ modelbased  0.8.6 
✔ performance 0.10.8   ✔ parameters  0.21.3
✔ report      0.5.7    ✖ see         0.8.0 

Restart the R-Session and update packages in red with `easystats::easystats_update()`.

mtcars <- read_csv("https://vincentarelbundock.github.io/Rdatasets/csv/datasets/mtcars.csv")

Rows: 32 Columns: 12
── Column specification ────────────────────────────────────────────────────────
Delimiter: ","
chr  (1): rownames
dbl (11): mpg, cyl, disp, hp, drat, wt, qsec, vs, am, gear, carb

ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

lm1 <- lm(mpg ~ hp, data = mtcars)

parameters(lm1) 

Parameter   | Coefficient |   SE |         95% CI | t(30) |      p
------------------------------------------------------------------
(Intercept) |       30.10 | 1.63 | [26.76, 33.44] | 18.42 | < .001
hp          |       -0.07 | 0.01 | [-0.09, -0.05] | -6.74 | < .001

Uncertainty intervals (equal-tailed) and p-values (two-tailed) computed
  using a Wald t-distribution approximation.

Answerlist

• Falsch
• Falsch
• Falsch
• Falsch
• Richtig

---

Categories:

• regression
• lm
• stats-nutshell
• schoice