Lineaire regressie-aannames controleren in R | R-Tutorial 5.2 | MarinStatsLectures

Hoe test je de aannames van lineaire regressie in R?

In deze R-tutorial gaan we eerst enkele basisconcepten van lineaire regressie bespreken, zoals het toevoegen van een regressielijn, het interpreteren van de regressielijn (de voorspelde of geschatte Y-waarde, het gemiddelde van Y gegeven X), het interpreteren van de residuen of fouten (het verschil tussen de waargenomen Y-waarde en de voorspelde of geschatte Y-waarde) en de aannames die gelden bij het passen van een lineair regressiemodel.

Vervolgens bespreken we de diagnostische regressieplots in R, waarom deze plots gemaakt worden en hoe je ze kunt maken. Je leert hoe je de lineariteitsaanname en de constante variantie (homoscedasticiteit) van een regressiemodel kunt controleren met residuplotten in R en hoe je de normaliteitsaanname kunt testen met QQ-plots (quantile-quantile plots).

Daarnaast leer je hoe je de aanname van constante variantie kunt controleren voor data met niet-constante variantie in R, en hoe je residuplotten, QQ-plots en scatterplots voor dergelijke data kunt maken en interpreteren. Ook leer je hoe je residuplotten, QQ-plots en scatterplots voor data met een niet-lineaire relatie kunt maken en interpreteren in R.

■ Inhoudsopgave:

0:00:29 Introductie van de data die in deze video gebruikt wordt
0:00:49 Hoe pas je een lineair regressiemodel aan in R?
0:01:03 Hoe krijg je de samenvatting van het lineaire regressiemodel in R?
0:01:15 Hoe voeg je een regressielijn toe aan de plot in R?
0:01:24 Hoe interpreteer je de regressielijn?
0:01:43 Hoe interpreteer je de residuen of fouten?
0:01:53 Waar vind je de standaardfout van de residuen...