R-hjelp
til exercise 13 i BSS
#
Les dataene inn i en dataramme, gi navn
til variablene i datarammen og se p� dataene:
heart<-read.table("http://www.math.uio.no/avdc/kurs/STK4900/data/chd.dat")
names(heart)<-c("agrp","age","chd")
heart
# Kontroller at dataene svarer til de som er
gitt i oppgaven.
#
Gj�r variablene i datarammen tilgjengelige:
attach(heart)
#
PUNKT a)
# Tilpass en logistisk regresjon med agrp som kovariat, se p� resultatet og skriv ut
# deviansanalysetabell
fit.agrp<-glm(chd~agrp,family=binomial)
summary(fit.agrp)
anova(fit.agrp, test="Chisq")
# Pass p� at du forst�r
hva outputen sier deg!
# Bruk outputen til � besvare
sp�rsm�lene i oppgaven.
# Kommentar:
# Merk at vi ovenfor
har tilpasset en modell med agrp som en kontinuerlig kovariat.
# Alternativt
# Diskuter forskjellen p� de to modellene.
# Forskjellen i devians
mellom modellen der agrp er
en kontinuerlig variabel og modellen
# der agrp
er en faktor,
# PUNKT b)
# Gi tilsvarende kommandoer som i punkt a, men med age som kovariat:
fit.age<-glm(chd~age,family=binomial)
summary(fit.age)
anova(fit.age, test="Chisq")
# Hva sier denne outputen
deg?
#
Estimatet for beta1 er mye st�rre i
modellen i punkt a enn
den i punkt b. Hvorfor?
#
Gi en fortolkning estimatet for beta1 i modellen i punkt
b
# PUNKT c)
# For � teste om et 2.gradsledd b�r inkluderes, tilpasses modellen:
fit.age2<-glm(chd~age+I(age^2),family=binomial)
summary(fit.age2)
anova(fit.age, fit.age2,test="Chisq")
# Pass p� at du forst�r
hva outputen sier deg!
# Bruk outputen til � besvare
sp�rsm�lene i oppgaven.