Differences

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

--- multiple_regression_exercise [2021/11/25 20:33] – [개인과제 2] hkimscil
+++ multiple_regression_exercise [2023/12/10 21:41] (current) – old revision restored (2022/11/02 23:41) hkimscil
@@ Line 151: / Line 151: @@
 <code>
+# install.packages("ISLR")
+library(ISLR)
 head(Carseats)
 str(Carseats)
@@ Line 389: / Line 392: @@
 아래는 설명을 하지 않고 코드만 적었었는데 이는 아래 둘의 model이 동일한 것임을 보여주기 위한 것입니다.
 <code>
-lm.2 <- lm(Sales ~ Advertising:ShelveLoc, data = Carseats) ------- (1)
+lm.2 <- lm(Sales ~ Advertising:ShelveLoc, data = Carseats) # ------- (1)
-lm.1 <- lm(Sales ~ Advertising + Advertising:ShelveLoc, data = Carseats) ------- (2)
+lm.1 <- lm(Sales ~ Advertising + Advertising:ShelveLoc, data = Carseats) # ------- (2)
 </code>
@@ Line 469: / Line 472: @@
 Coefficients:
                             Estimate Std. Error t value Pr(>|t|)
-(Intercept)                  5.01234    0.31932  15.697  < 2e-16 ***       (1)
+(Intercept)                  5.01234    0.31932  15.697  < 2e-16 ***    # (1)
-ShelveLocGood                4.43573    0.48146   9.213  < 2e-16 ***       (2)
+ShelveLocGood                4.43573    0.48146   9.213  < 2e-16 ***    # (2)
-ShelveLocMedium              1.59511    0.38378   4.156 3.97e-05 ***       (3)
+ShelveLocMedium              1.59511    0.38378   4.156 3.97e-05 ***    # (3)
-ShelveLocBad:Advertising     0.08210    0.03570   2.300  0.02198 *         (4)
+ShelveLocBad:Advertising     0.08210    0.03570   2.300  0.02198 *      # (4)
-ShelveLocGood:Advertising    0.10417    0.03607   2.888  0.00409 **        (5)
+ShelveLocGood:Advertising    0.10417    0.03607   2.888  0.00409 **     # (5)
-ShelveLocMedium:Advertising  0.10692    0.02280   4.689 3.78e-06 ***       (6)
+ShelveLocMedium:Advertising  0.10692    0.02280   4.689 3.78e-06 ***    # (6)
 ---
 Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
@@ Line 519: / Line 522: @@
 그러니 이렇게 보아도 마찬가지임을 알 수 있죠?
-====== Discussion 3 ======
+====== 개인과제 1 ======
 {{:d.yyk.csv}}
 <code>
@@ Line 721: / Line 724: @@
 # 개인과제와 관련된 코드입니다.
 # Carseats 데이터 분석입니다. 새로 시작하면
-# 만약에 install도 안되어 있으면
+library(ISLR)
+# 만약에 ISLR이 install도 안되어
+# 있으면
 # install.packages("ISLR")
-library(ISLR)
 ?Carseats   # 데이터 설명 확인
 str(Carseats)
@@ Line 740: / Line 744: @@
 # 0.3578 (35.78%) 임을 알 수 있습니다.
 # 이는 우리가 흔히 쓰는 다이어그램에서
-# URL 제시
+#
-# b ) c + d 에 해당하는 부분입니다. 즉
+# http://commres.net/wiki/_detail/pasted/20201201-170048.png?id=multiple_regression_exercise
+#
+# b + c + d 에 해당하는 부분입니다. 즉 두 변인의
+# 설명력을 보여주는 부분인 lm.c1에서의
 # R 제곱은 b + c + d / a + b + c + d 입니다.
@@ Line 750: / Line 757: @@
 library(ppcor)
 attach(Carseats)
-spcor.Price <- spcor.test(Price, Sales, CompPrice)
+spcor.Price <- spcor.test(Sales, Price, CompPrice)
-spcor.CompPrice <- spcor.test(CompPrice, Sales, Price)
+spcor.CompPrice <- spcor.test(Sales, CompPrice, Price)
+spcor.Price
+spcor.CompPrice
 # 위 둘의 아웃풋에서 estimate값은
 # semipartial correlation 값이므로 이를
 # 제곱한 값은 각각 b와 d에 해당하는
-# 값입니다
+# 값입니다. 이를 더 자세히 이야기하면
+# b = b / a + b + c + d
+# d = d / a + b + c + d
+# 라는 이야기입니다.
 b <- spcor.Price$estimate^2
 d <- spcor.CompPrice$estimate^2
-# 각 b와 d를 출력합니다.
+# 각 b와 d를 출력해 봅니다.
 b
 d
-# 둘을 더해봅니다.
-# 이 값은 0.3648334
+# 이 둘을 더해봅니다.
+# 이 값은 0.5135791 입니다
 b + d
 # 다시 아까 lm.c1의 R 제곱값은
 summary(lm.c1)$r.squared
-# 0.3648334 입니다.
+# 0.3578332 입니다.
 # 다시 그림을 보면
 # R 제곱은 b + c + d 에 해당하는
 # 것이라고 했고
-# semi-partial 값으로 b와 d를
+# semi-partial 값을 각각 구하여
-# 각각 구한 것이 여기까지 한 것입니다.
+# 이를 제곱하여 더한 것이 b와 d입니다.
 # 그런데 그림을 보면 b + d > b + c + d 가
-# 되어서는 안됩니다. 그런데
+# 됩니다.  그렇지만 그림대로라면
+# 이것은 말이 되지 않습니다. 그런데
 # 계산값을 이를 가르키고 있습니다.
 # 이 이유가 뭘까요?
@@ Line 783: / Line 799: @@
 # 여러분의 생각 후에 mediator 분석에 대해서
 # 설명을 하도록 하겠습니다.
 </code>
+-->
+[[:Suppressor in Multiple Regression]]
 ====== Making Questionnaire ======
 [[https://eclass2.ajou.ac.kr/webapps/discussionboard/do/forum?action=list_threads&course_id=_47711_1&nav=discussion_board_entry&conf_id=_52871_1&forum_id=_55560_1|Questions]] you submit at the ajoubb.