{r setup, include=FALSE} knitr::opts_chunk$set(echo = TRUE)

soruÖrnek3.1 Kolej Gpa’sının Belirleyicileri

cevap

library(wooldridge)
data(gpa1)
library(rmarkdown)
paged_table(gpa1)

Kitabınızda regresyon sonuçları direk verilen örneğin sonuçlarını bulmak isterseniz şu komutları kullanabilirsiniz.

coklureg <- lm(colGPA~ hsGPA+ACT,data = gpa1)
summary(coklureg)

Basit regresyon örneğimizi hatırlarsak

basitreg <- lm(colGPA~ACT,data = gpa1)
summary(basitreg)

Basit regresyon örneğimiz için, dağılım grafiğine bir regresyon çizgisi eklememizin yeterli olduğunu hatırlayalım.

plot(gpa1$ACT,gpa1$colGPA)
abline(basitreg)
library(plotly)
library(reshape2)
cf.mod <- coef(coklureg)
hsGPA <- seq(min(gpa1$hsGPA),max(gpa1$hsGPA),length.out=50)
ACT <- seq(min(gpa1$ACT),max(gpa1$ACT),length.out=50)
colGPA <- t(outer(hsGPA, ACT, function(x,y) cf.mod[1]+cf.mod[2]*x+cf.mod[3]*y))
p <- plot_ly(x=~hsGPA, y=~ACT, z=~colGPA,type="surface") %>%
  add_trace(data=gpa1, x=gpa1$hsGPA, y=gpa1$ACT, z=gpa1$colGPA, mode="markers", type="scatter3d", opacity=0.5)
p

Bu örneği hatırlarsak

##install.packages("stargazer")
library(stargazer)
stargazer(list(coklureg,basitreg),type = "text")

iki bağımsız değişkenin birbirleri arasındaki basit regresyon ilişkisinden de bulunabilir

sapmareg<-lm(hsGPA~ACT,data = gpa1)
stargazer(list(sapmareg),type = "text")

Örneğimizi kullanarak bu parçaları çıkaralım.

standarthata<-summary(coklureg)$sigma
standarthata

standart hatanın karesi bize regresyonumuzun hata payının varyansını verecektir.

sigmakare<-standarthata^2
sigmakare
Rjkare<-summary(sapmareg)$r.squared
Rjkare

varyans enflasyon faktörü (Variance inflation factor (VIF))’i hesaplayalım.

VIF<-1/(1-Rjkare)
VIF
n<-nobs(coklureg)
n
varxj<-var(gpa1$hsGPA)*(n-1)/n
varxj
varbetaj<-(1/n)*(sigmakare/varxj)*VIF
varbetaj
sdbetaj<-varbetaj^0.5
sdbetaj

VIF’i bulmanın kolay bir yolu car paketini yüklemektir.

require(car)
vif(coklureg)