Photo by Markus Spiske on Unsplash
の続きです。
今回もR言語のlm()関数で回帰分析をしていこうと思います。今回はbroomパッケージのtidy()関数を使ってみます。
まずは、broomパッケージを読み込みます。
broomパッケージのtidy()関数は、lm()関数での結果をデータフレームに変換してきれいに出力してくれます。例えば、前回作成したモデルでやってみましょう。
このように信頼区間も表示してくれます。
それでは、このtidy()関数を利用して、2014年だけのデータの他に他の調査年のデータも一度にlm()関数で回帰分析してみます。
まずは切片、(Intercept)だけを表示してみました。信頼区間がどの調査年も0を含んでいます。つまり、H0: (Intercept) = 0 という帰無仮説を棄却できないということですね。
次は、l_kachi: 製造業付加価値額の対数変換値の係数をみてみます。
どの調査年も1.1前後の係数で、H0: l_kachi = 0 という帰無仮説を棄却できますね。
グラフにしてみます。
geom_errorbar()関数で信頼区間をグラフにできます。どの調査年も同じくらいの係数であることがわかります。
nosea: 海が無い県は1, 海がある県は0のダミー変数 についても係数を見てみましょう。
係数が-1.5前後でどの調査年も信頼区間は0を含んでいませんね。
H0: nosea = 0 という帰無仮説を棄却して、H1: nosea < 0 という対立仮説を採用できます。
これもグラフにします。
なんだか少しずつ低下している感じですね。
l_water = Intercept + b1*l_kachi + b2*nosea + b3*year というyearを含めたモデルを調べてみましょう。
yearをファクター型にして回帰分析してみました。yearの信頼区間はすべて0を含んでいますので、yearは有意な変数ではないということですね。
今回は以上です。
次回は
です。
初めから読むには、
です。