본문으로 바로가기

강의

R을 활용한 선형 회귀 추론

고급기술 수준

업데이트됨 2021. 12.

이 강의에서는 선형 모델을 사용해 추론하는 방법을 배웁니다.

무료로 강의 시작

RProbability & Statistics

4시간

15 동영상

59 연습 문제

4,650 XP

15,910

성취 증명서

수천 개 기업의 학습자들이 사랑하는

팀을 교육하시나요?

비즈니스용으로 체험해 보세요

강의 설명

통계적 추론과 선형 모델의 기초를 배웠다면, 이제 두 개념을 함께 적용할 차례입니다. 이 과정에서는 서로 다른 표본이 어떻게 다양한 선형 모델을 만들어 내는지 살펴보고, 모집단 모델을 이해하는 방법을 익힙니다. 추정된 선형 모델을 바탕으로 효과 크기에 대한 구간 추정치를 구하고, 효과가 유의미한지 판단하는 방법도 학습합니다. 또한 반응 변수에 대한 예측 구간과 평균 반응 추정치를 비교해 봅니다. 과정 전반에 걸쳐 dplyr와 ggplot2 패키지를 더욱 능숙하게 활용하고, 모델 정리에 유용한 broom 패키지도 배우게 됩니다. 세 패키지 모두 데이터 과학에서 빠질 수 없는 도구입니다.

선수 조건

Foundations of Inference in R Intermediate Regression in R

1

Inferential ideas

In the first chapter, you will understand how and why to perform inferential (instead of descriptive only) analysis on a regression model.

Variability in regression lines

Regression output: example I

First random sample, second random sample

Superimpose lines

Research question

Regression hypothesis

Variability of coefficients

Original population - change sample size

Hypothetical population - less variability around the line

Hypothetical population - less variability in x direction

What changes the variability of the coefficients?

2

Simulation-based inference for the slope parameter

In this chapter you will learn about the ideas of the sampling distribution using simulation methods for regression models.

Simulation-based Inference

Null sampling distribution of the slope

SE of the slope

Inference on slope

Simulation-based CI for slope

Bootstrapping the data

SE method - bootstrap CI for slope

Percentile method - bootstrap CI for slope

Inference from randomization and bootstrapped distributions

3

t-Based Inference For the Slope Parameter

In this chapter you will learn about how to use the t-distribution to perform inference in linear regression models. You will also learn about how to create prediction intervals for the response variable.

Mathematical approximation

How do the theoretical results play a role?

t-statistic

Working with R-output (1)

Working with R-output (2)

Comparing randomization inference and t-inference

Intervals in regression

CI using t-theory

Comparing randomization CIs and t-based CIs

Different types of intervals

Confidence intervals for the average response at specific values

Confidence intervals for the average response for all observations

Prediction intervals for the individual response

4

Technical Conditions in linear regression

Additionally, you will consider the technical conditions that are important when using linear models to make claims about a larger population.

Technical conditions for linear regression

Violation of LINE conditions (1)

Violation of LINE conditions (2)

Using residuals (1)

Using residuals (2)

Why do we need the LINE assumptions?

Effect of an outlier

Estimation with and without outlier

Inference with and without outlier (t-test)

Inference with and without outlier (randomization)

Moving forward when model assumptions are violated

Adjusting for non-linear relationship

Adjusting for non-constant errors

Adjusting for non-normal errors

5

Building on Inference in Simple Linear Regression

This chapter covers topics that build on the basic ideas of inference in linear models, including multicollinearity and inference for multiple regression models.

Inference on transformed variables

Transformed model

Interpreting transformed coefficients

Multicollinearity

LA Homes, multicollinearity (1)

LA Homes, multicollinearity (2)

LA Homes, multicollinearity (3)

Multiple linear regression

Inference on coefficients

Interpreting coefficients

R을 활용한 선형 회귀 추론

강의
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요지금 등록

19백만 명 이상의 학습자와 함께 R을 활용한 선형 회귀 추론을(를) 시작하세요!

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.