Differences

This shows you the differences between two versions of the page.

--- suppressor_in_multiple_regression [2023/10/23 11:10] – hkimscil
+++ suppressor_in_multiple_regression [2025/11/11 01:09] (current) – hkimscil
@@ Line 3: / Line 3: @@
 <code>
-# 개인과제와 관련된 코드입니다.
 # Carseats 데이터 분석입니다. 새로 시작하면
-# 만약에 ISLR이 install도 안되어
+# 만약에 ISLR이 install도 안되어 있으면
-# 있으면
+# install.packages("ISLR")
-install.packages("ISLR")
 library(ISLR)
@@ Line 472: / Line 470: @@
 >
 </code>
+====== 도식화 ======
+{{pasted:20251109-205717.png?400}}
+<code>
+lm.y.x2 <- lm(y ~ x2)
+summary(lm.y.x2)$r.squared = 0
+lm.y.x1 <- lm(y ~ x1)
+summary(lm.y.x1)$r.squared = a, p > .05 (may be not significant)
+# 그러나 아래처럼 x2가 포함됨으로써
+# x1 내의 x2와 관련된 부분이 제거되어
+# 분석됨으로 significant하게 됨
+lm.y.x1x2 <- lm(y ~ x1 +  x2)
+summary(lm.y.x1)$r.squared = a
+</code>
+<code>
+> cor(cs.dat)
+                Sales  CompPrice      Price
+Sales      1.00000000 0.06407873 -0.4449507
+CompPrice  0.06407873 1.00000000  0.5848478
+Price     -0.44495073 0.58484777  1.0000000
+> lm.y.x1 <- lm(Sales~Price, data = cs.dat)
+> lm.y.x2 <- lm(Sales~CompPrice, data = cs.dat)
+> lm.y.x1x2 <- lm(Sales~Price+CompPrice, data = cs.dat)
+> summary(lm.y.x1)$r.squared
+[1] 0.1979812
+> summary(lm.y.x1x2)$r.squared
+[1] 0.3578332
+> summary(lm.y.x1x2)$r.squared - summary(lm.y.x1)$r.squared
+[1] 0.159852   # x2 고유의 설명력? b, c, d 중 d 파트
+>
+> summary(lm.y.x2)$r.squared
+[1] 0.004106084   # 그러나 c, d 파트가 위의 결과보다 더 작음
+> lm.x1.x2 <- lm(Price~CompPrice, data = cs.dat)
+> res.x1x2 <- lm.x1.x2$residuals
+> lm.y.onlyx1<- lm(Sales~res.x1x2)
+> summary(lm.y.onlyx1)$r.squared
+[1] 0.3537271
+> summary(lm.y.x1x2)$r.squared
+[1] 0.3578332
+>
+> summary(lm.y.x1x2)$r.squared - summary(lm.y.onlyx1)$r.squared
+[1] 0.004106084
+>
+>
+> summary(lm.y.x1)$r.squared
+[1] 0.1979812
+>
+> summary(lm.y.x1)$r.squared
+[1] 0.1979812
+> pcor.test(Sales, Price, CompPrice)
+    estimate     p.value statistic   n gp  Method
+-0.5959744 9.95161e-40 -14.78787 400  1 pearson
+> pcor.test(Sales, Price, CompPrice)$estimate^2
+[1] 0.3551855
+> summary(lm.y.x2)$r.squared
+[1] 0.004106084
+>
+</code>