Örnek 6.1 kirliliğin konut fiiyatları üzerrindeki etkileri

library(wooldridge)
data("hprice2")

Temel bağımsız değişken her bir topluluğun teneffüs ettiği havadaki nitrojen oksidin bir ölçümü olan nox değişenidir.

\[ price=\beta_0+\beta_1nox+\beta_2crime...+\beta_3rooms+\beta_4dist+\beta_5stratio \]

Öncelikle bu değişkenlerin hepsini z-scorelarına çevirmeliyiz.

\[ zprice=\beta_1znox+\beta_2zcrime...+\beta_3zrooms+\beta_4zdist+\beta5zstratio \]

Kitabımızda verilen sonuçlara ulaşalım.

\[ \hat zprice=-0,340znox-0,143zcrime...+0,514zrooms-0,235zdist-0,270zstratio \]

library(rmarkdown)
paged_table(hprice2)

?hprice2 yazarak veri setinin tanımına ulaşın ve regresyon içinde kullandığınız değişkenlerin tanımlarına bakalım.

?hprice2

price:ortalama konut fiyaı $, nox: crime: rooms:ortalama oda sayısı dist: stratio:ortalama öğrenci-öğretmen oranı

R’da standardizasyon yapmak için scale komutunu kullanabilirsiniz.

lm(scale(price) ~ 0 + scale(nox) + scale(crime) + scale(rooms) + scale(dist) + scale(stratio) , data = hprice2 )
## 
## Call:
## lm(formula = scale(price) ~ 0 + scale(nox) + scale(crime) + scale(rooms) + 
##     scale(dist) + scale(stratio), data = hprice2)
## 
## Coefficients:
##     scale(nox)    scale(crime)    scale(rooms)     scale(dist)  scale(stratio)  
##        -0.3404         -0.1433          0.5139         -0.2348         -0.2703

\[ \hat zprice=-0,340znox-0,143zcrime...+0,514zrooms-0,235zdist-0,270zstratio \]

Bu denklem bize nox’daki bir standart sapma artışın fiyatı 0,34 standart sapma azalttığını ancak crime’daki bir standart sapma artışın fiyatı 0,14 standart sapma azaltığını göstermektedir.

Sonuç

Kirliliğin etkisi suçun etkisinden büyük olduğu anlayabiliriz. Oda sayısı en büyük standartlaştırılmış etkiye sahiptir. Standartlaştırma t istatiklerini etkilemez.