Verifica delle ipotesi della regressione lineare in R | Corso R 5.2 | MarinStatsLectures

Come testare le ipotesi della regressione lineare in R?

In questo tutorial su R, inizieremo spiegando alcuni concetti fondamentali della regressione lineare, come aggiungere una retta di regressione, interpretare la retta di regressione (valore Y predetto o stimato, la media di Y dato X), interpretare i residui o gli errori (la differenza tra il valore osservato Y e il valore Y predetto o stimato) e le ipotesi da verificare quando si adatta un modello di regressione lineare.

Successivamente, discuteremo dei grafici diagnostici della regressione in R, il motivo per cui sono importanti e come produrli; imparerai a verificare l’ipotesi di linearità e la varianza costante (omoschedasticità) di un modello di regressione tramite i grafici dei residui in R e a testare l’ipotesi di normalità con i grafici QQ (Quantile-Quantile).

Inoltre, imparerai a controllare l’ipotesi di varianza costante per dati con varianza non costante in R, a produrre e interpretare grafici dei residui, QQ plot e scatterplot per dati con varianza non costante, e a produrre e interpretare grafici dei residui, QQ plot e scatterplot per dati con relazione non lineare in R.

■ Indice:

0:00:29 Presentazione dei dati usati nel video
0:00:49 Come adattare un modello di regressione lineare in R?
0:01:03 Come ottenere il riassunto del modello di regressione lineare in R?
0:01:15 Come aggiungere una retta di regressione al grafico in R?
0:01:24 Come interpretare la retta di regressione?
0:01:43 Come interpretare i residui o gli errori?
0:01:53 Dove trovare l’Errore Standard dei Residui...