-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path1n_drinks.html
784 lines (691 loc) · 26.4 KB
/
1n_drinks.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8" />
<meta name="generator" content="pandoc" />
<meta http-equiv="X-UA-Compatible" content="IE=EDGE" />
<title>Korrelation, Regression und Alkohol</title>
<script src="site_libs/jquery-1.11.3/jquery.min.js"></script>
<meta name="viewport" content="width=device-width, initial-scale=1" />
<link href="site_libs/bootstrap-3.3.5/css/lumen.min.css" rel="stylesheet" />
<script src="site_libs/bootstrap-3.3.5/js/bootstrap.min.js"></script>
<script src="site_libs/bootstrap-3.3.5/shim/html5shiv.min.js"></script>
<script src="site_libs/bootstrap-3.3.5/shim/respond.min.js"></script>
<script src="site_libs/jqueryui-1.11.4/jquery-ui.min.js"></script>
<link href="site_libs/tocify-1.9.1/jquery.tocify.css" rel="stylesheet" />
<script src="site_libs/tocify-1.9.1/jquery.tocify.js"></script>
<script src="site_libs/navigation-1.1/tabsets.js"></script>
<link href="site_libs/highlightjs-9.12.0/default.css" rel="stylesheet" />
<script src="site_libs/highlightjs-9.12.0/highlight.js"></script>
<style type="text/css">
code{white-space: pre-wrap;}
span.smallcaps{font-variant: small-caps;}
span.underline{text-decoration: underline;}
div.column{display: inline-block; vertical-align: top; width: 50%;}
div.hanging-indent{margin-left: 1.5em; text-indent: -1.5em;}
ul.task-list{list-style: none;}
</style>
<style type="text/css">code{white-space: pre;}</style>
<style type="text/css">
pre:not([class]) {
background-color: white;
}
</style>
<script type="text/javascript">
if (window.hljs) {
hljs.configure({languages: []});
hljs.initHighlightingOnLoad();
if (document.readyState && document.readyState === "complete") {
window.setTimeout(function() { hljs.initHighlighting(); }, 0);
}
}
</script>
<style type="text/css">
h1 {
font-size: 34px;
}
h1.title {
font-size: 38px;
}
h2 {
font-size: 30px;
}
h3 {
font-size: 24px;
}
h4 {
font-size: 18px;
}
h5 {
font-size: 16px;
}
h6 {
font-size: 12px;
}
.table th:not([align]) {
text-align: left;
}
</style>
<link rel="stylesheet" href="styles.css" type="text/css" />
<style type = "text/css">
.main-container {
max-width: 940px;
margin-left: auto;
margin-right: auto;
}
code {
color: inherit;
background-color: rgba(0, 0, 0, 0.04);
}
img {
max-width:100%;
}
.tabbed-pane {
padding-top: 12px;
}
.html-widget {
margin-bottom: 20px;
}
button.code-folding-btn:focus {
outline: none;
}
summary {
display: list-item;
}
</style>
<style type="text/css">
/* padding for bootstrap navbar */
body {
padding-top: 54px;
padding-bottom: 40px;
}
/* offset scroll position for anchor links (for fixed navbar) */
.section h1 {
padding-top: 59px;
margin-top: -59px;
}
.section h2 {
padding-top: 59px;
margin-top: -59px;
}
.section h3 {
padding-top: 59px;
margin-top: -59px;
}
.section h4 {
padding-top: 59px;
margin-top: -59px;
}
.section h5 {
padding-top: 59px;
margin-top: -59px;
}
.section h6 {
padding-top: 59px;
margin-top: -59px;
}
.dropdown-submenu {
position: relative;
}
.dropdown-submenu>.dropdown-menu {
top: 0;
left: 100%;
margin-top: -6px;
margin-left: -1px;
border-radius: 0 6px 6px 6px;
}
.dropdown-submenu:hover>.dropdown-menu {
display: block;
}
.dropdown-submenu>a:after {
display: block;
content: " ";
float: right;
width: 0;
height: 0;
border-color: transparent;
border-style: solid;
border-width: 5px 0 5px 5px;
border-left-color: #cccccc;
margin-top: 5px;
margin-right: -10px;
}
.dropdown-submenu:hover>a:after {
border-left-color: #ffffff;
}
.dropdown-submenu.pull-left {
float: none;
}
.dropdown-submenu.pull-left>.dropdown-menu {
left: -100%;
margin-left: 10px;
border-radius: 6px 0 6px 6px;
}
</style>
<script>
// manage active state of menu based on current page
$(document).ready(function () {
// active menu anchor
href = window.location.pathname
href = href.substr(href.lastIndexOf('/') + 1)
if (href === "")
href = "index.html";
var menuAnchor = $('a[href="' + href + '"]');
// mark it active
menuAnchor.parent().addClass('active');
// if it's got a parent navbar menu mark it active as well
menuAnchor.closest('li.dropdown').addClass('active');
});
</script>
<!-- tabsets -->
<style type="text/css">
.tabset-dropdown > .nav-tabs {
display: inline-table;
max-height: 500px;
min-height: 44px;
overflow-y: auto;
background: white;
border: 1px solid #ddd;
border-radius: 4px;
}
.tabset-dropdown > .nav-tabs > li.active:before {
content: "";
font-family: 'Glyphicons Halflings';
display: inline-block;
padding: 10px;
border-right: 1px solid #ddd;
}
.tabset-dropdown > .nav-tabs.nav-tabs-open > li.active:before {
content: "";
border: none;
}
.tabset-dropdown > .nav-tabs.nav-tabs-open:before {
content: "";
font-family: 'Glyphicons Halflings';
display: inline-block;
padding: 10px;
border-right: 1px solid #ddd;
}
.tabset-dropdown > .nav-tabs > li.active {
display: block;
}
.tabset-dropdown > .nav-tabs > li > a,
.tabset-dropdown > .nav-tabs > li > a:focus,
.tabset-dropdown > .nav-tabs > li > a:hover {
border: none;
display: inline-block;
border-radius: 4px;
background-color: transparent;
}
.tabset-dropdown > .nav-tabs.nav-tabs-open > li {
display: block;
float: none;
}
.tabset-dropdown > .nav-tabs > li {
display: none;
}
</style>
<!-- code folding -->
<style type="text/css">
#TOC {
margin: 25px 0px 20px 0px;
}
@media (max-width: 768px) {
#TOC {
position: relative;
width: 100%;
}
}
@media print {
.toc-content {
/* see https://github.com/w3c/csswg-drafts/issues/4434 */
float: right;
}
}
.toc-content {
padding-left: 30px;
padding-right: 40px;
}
div.main-container {
max-width: 1200px;
}
div.tocify {
width: 20%;
max-width: 260px;
max-height: 85%;
}
@media (min-width: 768px) and (max-width: 991px) {
div.tocify {
width: 25%;
}
}
@media (max-width: 767px) {
div.tocify {
width: 100%;
max-width: none;
}
}
.tocify ul, .tocify li {
line-height: 20px;
}
.tocify-subheader .tocify-item {
font-size: 0.90em;
}
.tocify .list-group-item {
border-radius: 0px;
}
</style>
</head>
<body>
<div class="container-fluid main-container">
<!-- setup 3col/9col grid for toc_float and main content -->
<div class="row-fluid">
<div class="col-xs-12 col-sm-4 col-md-3">
<div id="TOC" class="tocify">
</div>
</div>
<div class="toc-content col-xs-12 col-sm-8 col-md-9">
<div class="navbar navbar-default navbar-fixed-top" role="navigation">
<div class="container">
<div class="navbar-header">
<button type="button" class="navbar-toggle collapsed" data-toggle="collapse" data-target="#navbar">
<span class="icon-bar"></span>
<span class="icon-bar"></span>
<span class="icon-bar"></span>
</button>
<a class="navbar-brand" href="index.html">crashcouRse</a>
</div>
<div id="navbar" class="navbar-collapse collapse">
<ul class="nav navbar-nav">
<li>
<a href="index.html">Home</a>
</li>
<li class="dropdown">
<a href="#" class="dropdown-toggle" data-toggle="dropdown" role="button" aria-expanded="false">
R Anwendung
<span class="caret"></span>
</a>
<ul class="dropdown-menu" role="menu">
<li>
<a href="datr_importexport.html">Import & Export</a>
</li>
<li>
<a href="datr_descriptivestats.html">Deskriptive Statistik</a>
</li>
<li>
<a href="datr_desplot.html">desplot package</a>
</li>
<li>
<a href="datr_multipledat.html">Loops & Listen</a>
</li>
<li>
<a href="datr_moreadvanced.html">Weitere Tipps</a>
</li>
</ul>
</li>
<li class="dropdown">
<a href="#" class="dropdown-toggle" data-toggle="dropdown" role="button" aria-expanded="false">
Auswertungen
<span class="caret"></span>
</a>
<ul class="dropdown-menu" role="menu">
<li>
<a href="1n_drinks.html">Korrelation & Regression</a>
</li>
<li>
<a href="outlier_vision.html">Ausreisser (Korr & Reg pt.2)</a>
</li>
<li>
<a href="1f_crd.html">1F crd</a>
</li>
<li>
<a href="1f_rcbd.html">1F rcbd</a>
</li>
<li>
<a href="1f_alpha.html">1F alpha</a>
</li>
<li>
<a href="2f_rcbd.html">2F rcbd</a>
</li>
<li>
<a href="2f_splitplot.html">2F split-plot</a>
</li>
<li>
<a href="1f_augmented_blockfixorrandom.html">1F augmented</a>
</li>
<li>
<a href="1f_rcbd_messwdh.html">1F rcbd Messwiederholungen</a>
</li>
<li>
<a href="1f_rcbd_binomial.html">1F rcbd Prozentwerte</a>
</li>
<li>
<a href="1f_latsq_poisson.html">1F lat square Zählwerte</a>
</li>
</ul>
</li>
<li class="dropdown">
<a href="#" class="dropdown-toggle" data-toggle="dropdown" role="button" aria-expanded="false">
Statistik
<span class="caret"></span>
</a>
<ul class="dropdown-menu" role="menu">
<li>
<a href="stat_korrelation.html">Korrelation</a>
</li>
<li>
<a href="stat_regression.html">Regression</a>
</li>
<li>
<a href="appendix_designs.html">Versuchsdesigns</a>
</li>
<li>
<a href="appendix_posthoc.html">ANOVA & Post Hoc</a>
</li>
<li>
<a href="appendix_interaktionen.html">Interaktionen</a>
</li>
<li>
<a href="stat_adjmeans.html">Adj. Mittelwerte</a>
</li>
<li>
<a href="stat_pvalue.html">p-Werte & Signifikanz</a>
</li>
<li>
<a href="stat_gemischtemodelle.html">Gemischte Modelle</a>
</li>
<li>
<a href="appendix_kovarstrukt.html">Kovarianzstrukturen 1</a>
</li>
<li>
<a href="3f_met_regions.html">Kovarianzstrukturen 2</a>
</li>
<li>
<a href="intro_glm_carrot.html">Nicht-Normalverteilte Daten</a>
</li>
<li>
<a href="stat_logisticregression.html">Logistische Regression</a>
</li>
<li>
<a href="appendix_modelrules.html">Modelle aufstellen</a>
</li>
<li>
<a href="stat_samplesize.html">Stichprobenplanung</a>
</li>
</ul>
</li>
<li>
<a href="kontaktseite.html">Kontakt</a>
</li>
</ul>
<ul class="nav navbar-nav navbar-right">
</ul>
</div><!--/.nav-collapse -->
</div><!--/.container -->
</div><!--/.navbar -->
<div class="fluid-row" id="header">
<h1 class="title toc-ignore">Korrelation, Regression und Alkohol</h1>
</div>
<div id="datensatz" class="section level1">
<h1>Datensatz</h1>
<p><img src="images/drinkspetermax.PNG" style="width:33%; margin-left: 20px" align="right"></p>
<p>In diesem Beispiel haben Peter und Max an mehreren Abenden aufgeschrieben wie viele Getränke sie getrunken haben und was für einen Promillewert sie am Ende des Abends hatten. Demnach haben wir einen Datensatz mit u.a. <strong>zwei numerischen Spalten/Variablen</strong>:</p>
<pre class="r"><code>head(dat) # Erste Zeilen des Datensatzes</code></pre>
<pre><code>## Person drinks blood_alc
## 1: Max 1 0.2
## 2: Max 2 0.3
## 3: Max 3 0.5
## 4: Max 3 0.6
## 5: Max 4 0.6
## 6: Max 4 0.5</code></pre>
<pre class="r"><code>str(dat) # Struktur des Datensatzes</code></pre>
<pre><code>## Classes 'data.table' and 'data.frame': 20 obs. of 3 variables:
## $ Person : Factor w/ 2 levels "Max"..
## $ drinks : int 1 2 3 3 4 4 4 5 7 8..
## $ blood_alc: num 0.2 0.3 0.5 0.6 0.6..
## - attr(*, ".internal.selfref")=<exter..</code></pre>
</div>
<div id="fragestellung" class="section level1">
<h1>Fragestellung</h1>
<p>Wir könnten nun verschiedene Fragen an diesen Datensatz stellen. Wir könnten z.B. fragen wer im Schnitt mehr <code>drinks</code> hatte (siehe dazu <a href="datr_descriptivestats.html">das Kapitel zum Erstellen deskriptiver Statistiken</a>). In diesem Kapitel wollen wir uns allerdings <strong>ausschließlich auf die beiden numerischen Variablen konzentrieren</strong>, nämlich <code>drinks</code> und <code>blood_alc</code>, also die Anzahl Getränke und den Promillewert. Wir ignorieren dabei komplett ob ein Wert von Peter oder Max kommt.</p>
<p>Demnach lautet unsere Frage in etwa: <strong>Wie hängt der Promillewert mit der Anzahl Getränken zusammen?</strong> und diese Frage beantworten wir in diesem Kapitel auf verschiedene Arten.</p>
</div>
<div id="deskriptive-statistik" class="section level1">
<h1>Deskriptive Statistik</h1>
<p>Um ein Gefühl für die Daten zu bekommen, betrachten wir einige Kennzahlen zu den Daten, sowie einen Plot.</p>
<div class="row">
<div class="col-md-6">
<pre class="r"><code>summary(dat)</code></pre>
<pre><code>## Person drinks blood_alc
## Max :10 Min. :1.00 Min. :0.100
## Peter:10 1st Qu.:1.00 1st Qu.:0.200
## Median :3.50 Median :0.500
## Mean :3.85 Mean :0.515
## 3rd Qu.:5.25 3rd Qu.:0.725
## Max. :9.00 Max. :1.300</code></pre>
</div>
<div class="col-md-6">
<pre class="r"><code>plot(x=dat$drinks, y=dat$blood_alc)</code></pre>
<p><img src="1n_drinks_files/figure-html/unnamed-chunk-6-1.png" width="672" /></p>
</div>
</div>
<p>Wir erkennen also schon jetzt in welchen Bereichen sich die Werte bewegen und, dass es einen Trend zu geben scheint: Je mehr Getränke eine Person hatte, desto höher war ihr Promillewert.</p>
</div>
<div id="korrelation" class="section level1">
<h1>Korrelation</h1>
<p>Um solch eine Beziehung zwischen zwei numerischen Variablen in Zahlen ausdrücken zu können, eignet sich die Korrelation - <a href="stat_korrelation.html">Hier eine kurze Zusammenfassung was Korrelation ist</a>. Um einfach nur die geschätzte Korrelation zu erhalten reicht der Befehl <code>cor()</code>, für einen umfangreicheren Output nehmen wir <code>cor.test()</code>:</p>
<div class="row">
<div class="col-md-6">
<pre class="r"><code>cor(dat$drinks, dat$blood_alc)</code></pre>
<pre><code>## [1] 0.9559151</code></pre>
</div>
<div class="col-md-6">
<pre class="r"><code>cor.test(dat$drinks, dat$blood_alc)</code></pre>
<pre><code>##
## Pearson's product-moment correlation
##
## data: dat$drinks and dat$blood_alc
## t = 13.811, df = 18, p-value = 5.089e-11
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.8897837 0.9827293
## sample estimates:
## cor
## 0.9559151</code></pre>
</div>
</div>
<p>Wir finden also eine geschätzten Korrelationskoeffizient <span class="math inline">\(r \approx\)</span> 0.96, also eine hohe, positive Korrelation. Das Ergebins passt zu unserem Plot. Auch wenn das Ergebnise in diesem Fall recht klar ist, wollen wir noch prüfen ob die Korrelation signifikant ist. (Siehe <a href="stat_korrelation.html">das Kapitel zur Korrelation</a> um zu verstehen was genau das bedeutet). Wie wir im Output sehen ist der p-Wert <span class="math inline">\(=\)</span> <code>5.089e-11</code> <span class="math inline">\(< 0.0001\)</span> und demnach ist die Korrelation signifikant (von Null verschieden). Dies wäre in vielen Fällen bereits alles was bzgl. der Korrelation verlangt bzw. gezeigt wird. Als Ergebnissatz würde z.B. geschrieben werden</p>
<p><em>“Es wurde eine signifikante (p = 5.09 10^(-11) < 0.0001) Korrelation r=0.96 zwischen dem Promillewert und der Anzahl Getränke gefunden.”</em></p>
<p>Oft unterbewertet wird m.E. außerdem die Information zum 95% Konfidenzintervall, welches hier von 0.89 bis 0.98 reicht. Desweiteren findet man das Ergebnis zusätzlich direkt im Plot abgebildet, weswegen wir hier zum Abschluss einen etwas schöneren Plot samt Ergebnis mit <code>ggplot2</code> und <code>ggpubr</code> erstellen wollen.</p>
<pre class="r"><code>library(ggplot2) # Erzeugt Plot
library(ggpubr) # Zusätzlicher Befehl "stat_cor" (siehe unten)</code></pre>
<pre class="r"><code>ggplot(data=dat, aes(x=drinks, y=blood_alc)) + # Definiere Daten
geom_point(size=3) + # Scatter plot mit Punkten der Größe 3
scale_x_continuous(name="Anzahl Getränke", limits=c(0, 9), breaks=seq(0, 9, by=1)) + # x-Achse
scale_y_continuous(name="Promillewert", limits=c(0, 1.5)) + # y-Achse
theme_classic() + # Simple, klassische Formatierung
stat_cor(method="pearson", label.x=1, label.y=1) # Füge Korrelation mit p-Wert ein</code></pre>
<p><img src="1n_drinks_files/figure-html/unnamed-chunk-10-1.png" width="672" /></p>
</div>
<div id="regression" class="section level1">
<h1>Regression</h1>
<p>Neben der Korrelation können noch andere statistische Methoden angewendet werden um die Beziehung zwischen zwei numerischen Variablen besser fassen zu können. Eine dieser Methoden ist die Regression und in diesem Fall genauer: die simple lineare Regression - <a href="stat_regression.html">Hier eine kurze Zusammenfassung was eine Regression ist</a>.</p>
<pre class="r"><code>reg <- lm(data = dat, formula = blood_alc ~ drinks) # Regressionsmodell y = a + bx</code></pre>
<div class="row">
<div class="col-md-6">
<pre class="r"><code>reg # Zeige Ergebnisse (kompakt)</code></pre>
<pre><code>##
## Call:
## lm(formula = blood_alc ~ drinks, data = dat)
##
## Coefficients:
## (Intercept) drinks
## 0.04896 0.12105</code></pre>
</div>
<div class="col-md-6">
<pre class="r"><code>plot(x=dat$drinks, y=dat$blood_alc) # Wie oben
abline(reg) # Füge Regressionslinie hinzu</code></pre>
<p><img src="1n_drinks_files/figure-html/unnamed-chunk-13-1.png" width="672" /></p>
</div>
</div>
<pre class="r"><code>summary(reg) # Zeige Ergebnisse (detailliert)</code></pre>
<pre><code>##
## Call:
## lm(formula = blood_alc ~ drinks, data = dat)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.154206 -0.070011 -0.004206 0.039202 0.187891
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.048963 0.040592 1.206 0.243
## drinks 0.121049 0.008764 13.811 5.09e-11 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.1009 on 18 degrees of freedom
## Multiple R-squared: 0.9138, Adjusted R-squared: 0.909
## F-statistic: 190.8 on 1 and 18 DF, p-value: 5.089e-11</code></pre>
<p>Die Schätzer für die Regressionskoeffizienten sind also <span class="math inline">\(a=\)</span> 0.0489627 und <span class="math inline">\(b=\)</span> 0.1210487, sodass unser Regressionsmodell lautet:</p>
<p><span class="math display">\[ bloodalc = 0.05 + 0.12 drinks \]</span></p>
<div id="stimmt-was-nicht" class="section level3">
<h3>Stimmt was nicht?</h3>
<p>Die Werte erscheinen stimmig und auch die dementsprechend eingezeichnete Regressionsgerade scheint gut in den Plot zu passen. Bevor wir uns aber den weiteren Output genauer anschauen sollte sich genauer angeschaut werden was dieses Modell für die Praxis bedeutet. Speziell die Frage <em>“Was passiert, wenn jemande kein Alkohol getrunken hat?”</em> führt hier nämlich zu Probleme, da wir eine Promillewert-Vorhersage von 0.05 erhalten, wenn wir 0 drinks einsetzen.</p>
<p>Wo liegt hier also das Problem? Vorneweg: Der R-Code stimmt und R selbst hat sich auch nicht verrechnet: Die Statistik stimmt auch. Wenn hier etwas als <em>falsch</em> angesehen werden kann, dann ist es nicht die Antwort, die R uns gegeben hat, sondern die Frage, die wir an R gestellt haben. Mit dem <code>lm()</code> Befehl oben haben wir nach einer klassischen Regressionsgeraden mit Achsenabschnitt <span class="math inline">\(a\)</span> und Steigung <span class="math inline">\(b\)</span> gefragt. Tatsächlich wussten wir als Anwender aber bereits, dass es keinen Achsenabschnitt geben kann, da kein Alkohol im Blut sein sollte, wenn kein Alkohol aufgenommen wurde. Der Grund warum dennoch ein Achsenabschnitt geschätzt wurde ist lediglich, dass die Messwerte nicht so präzise waren, dass <span class="math inline">\(a\)</span> auch wirklich auf genau 0.0 geschätzt wurde. Das wird in der Regel auch niemals so sein. Schauen wir uns den Output genauer an, realisieren wir auch, dass zum einen <span class="math inline">\(a=0.049\)</span> nahe 0 ist und zum anderen, dass der Schätzer einen p-Wert von 0.243 hat, also >0.05 und demnach nicht signifikant von 0 verschieden. Locker gesagt hat also sogar R bzw. die Statistik uns darauf hingewiesen, dass hier <em>in Wahrheit</em> gar keinen Achsenabschnitt gibt.</p>
</div>
<div id="nochmal-aber-anders" class="section level3">
<h3>Nochmal, aber anders</h3>
<p>Wir wollen nun also eine neue Regression anpassen, allerdings die Sonderform <span class="math inline">\(y=bx\)</span> , also ohne Achsenabschnitt. Dazu müssen wir lediglich <code>0 +</code> ins Modell an die Stelle schreiben, an der R sonst quasi standardmäßig einen Achsenabschnitt anpasst:</p>
<pre class="r"><code>reg_bx <- lm(data = dat, formula = blood_alc ~ 0 + drinks) # Regressionsmodell y = bx</code></pre>
<div class="row">
<div class="col-md-6">
<pre class="r"><code>reg_bx # Zeige Ergebnisse (kompakt)</code></pre>
<pre><code>##
## Call:
## lm(formula = blood_alc ~ 0 + drinks, data = dat)
##
## Coefficients:
## drinks
## 0.1298</code></pre>
</div>
<div class="col-md-6">
<pre class="r"><code>plot(x=dat$drinks, y=dat$blood_alc) # Wie oben
abline(reg_bx) # Füge Regressionslinie hinzu</code></pre>
<p><img src="1n_drinks_files/figure-html/unnamed-chunk-17-1.png" width="672" /></p>
</div>
</div>
<pre class="r"><code>summary(reg_bx) # Zeige Ergebnisse (detailliert)</code></pre>
<pre><code>##
## Call:
## lm(formula = blood_alc ~ 0 + drinks, data = dat)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.149184 -0.041317 0.000816 0.072786 0.210490
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## drinks 0.12984 0.00493 26.34 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.1021 on 19 degrees of freedom
## Multiple R-squared: 0.9733, Adjusted R-squared: 0.9719
## F-statistic: 693.7 on 1 and 19 DF, p-value: < 2.2e-16</code></pre>
<p>Gleich sieht man, dass im Output kein <code>Intercept</code>, also kein Achsenabschnitt mehr auftaucht. Außerdem ist der Schätzer für die Steigung ein kleines bisschen größer geworden und auch die eingezeichnete Gerade hat sich ein wenig verschoben. Dies sind nun also die Ergebnisse, die zwar statistisch genau so korrekt sind wie die vorangegangenen, die aber biologisch mehr Sinn ergeben.</p>
<p>Zum Abschluss wollen wir auch für die Regressionsergebnisse einen Plot mit <code>ggplot()</code> erstellen:</p>
<pre class="r"><code>ggplot(data=dat, aes(x=drinks, y=blood_alc)) + # Definiere Daten
ggtitle("Angepasstes Modell: y = a + bx") + # Titel über Plot
geom_point(size=3) + # Scatter plot mit Punkten der Größe 3
scale_x_continuous(name="Anzahl Getränke", limits=c(0, 9), breaks=seq(0, 9, by=1)) + # x-Achse
scale_y_continuous(name="Promillewert", limits=c(0, 1.5)) + # y-Achse
theme_classic() + # Simple, klassische Formatierung
geom_smooth(method='lm', formula=y~x, se=FALSE ) + # Füge Gerade ein
stat_regline_equation(label.x=1, label.y=1) # Füge Gleichung ein</code></pre>
<p><img src="1n_drinks_files/figure-html/unnamed-chunk-19-1.png" width="672" /></p>
<pre class="r"><code>ggplot(data=dat, aes(x=drinks, y=blood_alc)) + # Definiere Daten
ggtitle("Angepasstes Modell: y = bx") + # Titel über Plot
geom_point(size=3) + # Scatter plot mit Punkten der Größe 3
scale_x_continuous(name="Anzahl Getränke", limits=c(0, 9), breaks=seq(0, 9, by=1)) + # x-Achse
scale_y_continuous(name="Promillewert", limits=c(0, 1.5)) + # y-Achse
theme_classic() + # Simple, klassische Formatierung
geom_smooth(method='lm', formula=y~0+x, se=FALSE ) + # Füge Gerade ein
# Füge Gleichung manuell ein, ohne ggpubr package
annotate("text", x=1, y=1, label=paste("y =", round(reg_bx$coefficients,2), "x")) </code></pre>
<p><img src="1n_drinks_files/figure-html/unnamed-chunk-20-1.png" width="672" /></p>
</div>
</div>
<hr />
<p style="text-align: center;">Bei Fragen kannst du mir gerne schreiben!</p>
<p style="text-align: center;"><span style="color: #808080;"><em>[email protected]</em></span></p>
<!-- Add icon library -->
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/font-awesome/4.7.0/css/font-awesome.min.css">
<!-- Add font awesome icons -->
<p style="text-align: center;">
<a href="https://www.researchgate.net/profile/Paul_Schmidt17/research" class="fa fa-pencil"></a>
<a href="https://www.linkedin.com/in/schmidtpaul1989/" class="fa fa-linkedin"></a>
<a href="https://www.xing.com/profile/Paul_Schmidt203/cv/" class="fa fa-xing"></a>
<a href="https://github.com/SchmidtPaul/" class="fa fa-github"></a>
</p>
<a href="https://hits.seeyoufarm.com"><img src="https://hits.seeyoufarm.com/api/count/incr/badge.svg?url=https%3A%2F%2Fschmidtpaul.github.io%2FcrashcouRse%2F&count_bg=%23003F75&title_bg=%23555555&icon=&icon_color=%23E7E7E7&title=hits&edge_flat=false" class="center"/></a>
</div>
</div>
</div>
<script>
// add bootstrap table styles to pandoc tables
function bootstrapStylePandocTables() {
$('tr.header').parent('thead').parent('table').addClass('table table-condensed');
}
$(document).ready(function () {
bootstrapStylePandocTables();
});
</script>
<!-- tabsets -->
<script>
$(document).ready(function () {
window.buildTabsets("TOC");
});
$(document).ready(function () {
$('.tabset-dropdown > .nav-tabs > li').click(function () {
$(this).parent().toggleClass('nav-tabs-open')
});
});
</script>
<!-- code folding -->
<script>
$(document).ready(function () {
// move toc-ignore selectors from section div to header
$('div.section.toc-ignore')
.removeClass('toc-ignore')
.children('h1,h2,h3,h4,h5').addClass('toc-ignore');
// establish options
var options = {
selectors: "h1,h2,h3",
theme: "bootstrap3",
context: '.toc-content',
hashGenerator: function (text) {
return text.replace(/[.\\/?&!#<>]/g, '').replace(/\s/g, '_');
},
ignoreSelector: ".toc-ignore",
scrollTo: 0
};
options.showAndHide = true;
options.smoothScroll = true;
// tocify
var toc = $("#TOC").tocify(options).data("toc-tocify");
});
</script>
<!-- dynamically load mathjax for compatibility with self-contained -->
<script>
(function () {
var script = document.createElement("script");
script.type = "text/javascript";
script.src = "https://mathjax.rstudio.com/latest/MathJax.js?config=TeX-AMS-MML_HTMLorMML";
document.getElementsByTagName("head")[0].appendChild(script);
})();
</script>
</body>
</html>