Differences

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

--- c:ms:2023:schedule:w11.lecture.note [2023/05/22 11:57] – hkimscil
+++ c:ms:2023:schedule:w11.lecture.note [2023/05/24 08:37] (current) – hkimscil
@@ Line 1: / Line 1: @@
+====== 하나의 독립변인이 갖는 고유의 영향력 혹은 설명력 파악하기 ======
+[[:multiple regression]] 참조
+[[:partial and semipartial correlation]] 참조
 <code>
 datavar <- read.csv("http://commres.net/wiki/_media/regression01-bankaccount.csv")
@@ Line 6: / Line 9: @@
 attach(datavar)
+library(ggplot2) # ggplot 사용을 위해서
+# install.packages("ggplot2")
 lm.y.x1 <- lm(y~x1, data=datavar)
@@ Line 14: / Line 19: @@
 intercept.y
 slope.x
-ggplot(data=datavar, aes(income,bankaccount)) +
+ggplot(data=datavar, aes(x1,y)) +
   geom_point(color="blue", size=1.5, pch=2) +
-  geom_hline(aes(yintercept=mean(bankaccount)),size=1.5, color="red") +
+  geom_hline(aes(yintercept=mean(y)), size=1.5, color="red") +
   geom_abline(intercept=intercept.y, slope=slope.x, size=1.5, color="darkgreen")
@@ Line 41: / Line 46: @@
 intercept.y
 slope.x
-ggplot(data=datavar, aes(famnum,bankaccount)) +
+ggplot(data=datavar, aes(x2,y)) +
   geom_point(color="blue", size=1.5, pch=2) +
-  geom_hline(aes(yintercept=mean(bankaccount)),size=1.5, color="red") +
+  geom_hline(aes(yintercept=mean(y)),size=1.5, color="red") +
   geom_abline(intercept=intercept.y, slope=slope.x, size=1.5, color="darkgreen")
@@ Line 51: / Line 56: @@
 ##################################
-res.y.minus.x2 <- resid(lm.y.x2) # y - x2
+res.lm.y.x2 <- resid(lm.y.x2) # y - x2
 # x2를 제외하기 위한 계산
 lm.x1.x2 <- lm(x1~x2, data=datavar)
-res.x1.minus.x2 <- resid(lm.x1.x2) # x1 - x2
+res.lm.x1.x2 <- resid(lm.x1.x2) # x1 - x2
-lm(res.y.minus.x2~res.x1.minus.x2)
+lm(res.lm.y.x2~res.lm.x1.x2)
-summary(lm(res.y.minus.x2 ~ res.x1.minus.x2)) # x2를 y, x1에서 모두 제외한 분석
+summary(lm(res.lm.y.x2~res.lm.x1.x2)) # x2를 y, x1에서 모두 제외한 분석
 # or
-cor(res.y.minus.x2, res.x1.minus.x2)
+cor(res.lm.y.x2, res.lm.x1.x2)
-cor(res.y.minus.x2, res.x1.minus.x2)^2
+# cor제곱 값은 x2의 설명력을 제어 혹은 제외한 후에 보는
-summary(lm(res.y.minus.x2~res.x1.minus.x2))$r.squared
+# y와 x1간의 r 제곱값이다
+cor(res.lm.y.x2, res.lm.x1.x2)^2
+summary(lm(res.lm.y.x2~res.lm.x1.x2))$r.squared
-##################
+############################
-install.packages("ppcor")
+# http://commres.net/wiki/partial_and_semipartial_correlation 문서 확인할 것
+# install.packages("ppcor")
 library(ppcor)
 pcor(datavar)
-y
+datavar # data 확인
-x1
+pcor.test(y, x1, x2) # x2제어 하고, y와 x1과의 correlation값을 묻는 펑션
-x2
-datavar
-pcor.test(y, x1, x2)
 summary(lm(res.y.minus.x2~res.x1.minus.x2))
-r.sq <- (summary(lm(res.y.minus.x2~res.x1.minus.x2)))$r.squared
+r.sq <- (summary(lm(res.lm.y.x2~res.lm.x1.x2)))$r.squared
 r.sq
 sqrt(r.sq)
@@ Line 82: / Line 87: @@
 # 알아낼 수 있다.
 sp.y.x1 <- spcor.test(y, x1, x2)
-sp.y.x1
 sp.y.x2 <- spcor.test(y, x2, x1)
 b <- sp.y.x1$estimate^2
 c <- sp.y.x2$estimate^2
@@ Line 95: / Line 100: @@
 common.area
-# b + common.area should be r.squared from lm(y~x1,data=datavar)
+# common.area가 맞는지 확인
+# b + common.area는 lm(y~x1,data=datavar)에서의 r.square 값이어야 한다
 summary(lm.y.x1)$r.squared
 b + common.area
@@ Line 102: / Line 108: @@
 summary(lm.y.x2)$r.squared
 c + common.area
+</code>
+====== 기울기 b에 대한 통계학적인 테스트 ======
+[[:multiple regression]]에서 앞 쪽에 기울기에 대한 테스트 부분
+regression 문서에서 [[:regression#eg_3_simple_regressionadjusted_r_squared_slope_test]] 부분
+<code>
 ################################################
 # standard error of coefficient의 의미