Robuste Statistik

Überblick

Am Ende des Practicals wirst du wissen…

Wie du die Annahmen der Regression überprüfst.
Wie du etablierte nicht-parametrische Statistiken implementierst und interpretierst.
Wie du Bootstrap Analysen rechnest.

Aufgaben

A - Setup

Öffne dein TheRBootcamp R project.
Öffne ein neues R Skript. Schreibe deinen Namen, das Datum und “Robuste Statistik Practical” als Kommentare an den Anfang des Skripts.

## NAME
## DATUM
## Robuste Statistik Practical

Speichere das neue Skript unter dem Namen robuste_statistik_practical.R im 2_Code Ordner.
Lade die nötigen Pakete. Siehe unten.

# Lade die nötigen Pakete
library(tidyverse)
library(lubridate)


Attaching package: 'lubridate'

The following objects are masked from 'package:base':

    date, intersect, setdiff, union

library(lme4)

Loading required package: Matrix


Attaching package: 'Matrix'

The following objects are masked from 'package:tidyr':

    expand, pack, unpack

library(boot)
library(quantreg)

Loading required package: SparseM


Attaching package: 'SparseM'

The following object is masked from 'package:base':

    backsolve

library(Rfit)

Verwende die read_csv() Funktion um avocado und avocado_cali einzulesen.

# Lade die Daten
avocado <- read_csv(file = "1_Data/avocado.csv")
avocado_cali <- read_csv(file = "1_Data/avocado_cali.csv")

Printe die Datensätze.
Verwende names(XX), summary(XX), und View(XX) um einen weiteren Überblick über die Daten zu bekommen.
Wiederum, führe den Code unten aus um sicherzustellen, dass alle character Variablen als Faktoren vorliegen, was den statistischen Modellen hilft kategoriale Variablen richtig zu interpretieren.

# Konvertiere alle character zu factor
avocado <- avocado %>% mutate_if(is.character, factor)
avocado_cali <- avocado_cali %>% mutate_if(is.character, factor)

B - Annahmenverletzungen

In diesem Abschnitt geht es um die Evaluation der Annahmen der Regression anhand des avocado_cali Datensatzes, welcher Verkaufsdaten für Avocados in Kalifornien über die letzten drei Jahre enthält. Das Ziel ist es zunächst Verkaufsvolumen über Preis vorherzusagen mit einer normalen Regression (lm) vorherzusagen.

# Regression Verkausvolumen auf Preis
cali_lm <- lm(formula = YY ~ XX, 
               data = ZZ)

# Regression Verkausvolumen auf Preis
cali_lm <- lm(formula = Verkaufsvolumen ~ Preis, 
               data = avocado_cali)

Betrachte die summary() des Modells. Ist Preis ein guter Prädiktor für Verkaufsvolumen? Achte auch auf R-squared.

summary(cali_lm)


Call:
lm(formula = Verkaufsvolumen ~ Preis, data = avocado_cali)

Residuals:
     Min       1Q   Median       3Q      Max 
-4692333 -1486900   351468  1342770  4276676 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 11577703     371529    31.2   <2e-16 ***
Preis       -6115691     256440   -23.9   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1840000 on 336 degrees of freedom
Multiple R-squared:  0.629, Adjusted R-squared:  0.628 
F-statistic:  569 on 1 and 336 DF,  p-value: <2e-16

Preis ist ein signifikanter Prädiktor mit einem sehr extremen t-Wert. Zudem weist R-squared einen hohen Wert von 62.8% erklärte Varianz auf. Bedeutet dies nun, dass das Modell, welches einen linearen Zusammenhang annimmt, gut den Zusammenhang von Preis und Verkaufsvolumen beschreibt? Verwende den Code unten um die Daten und die Regression zu plotten.

# Plotte Modell und Daten
ggplot(avocado_cali, aes(Preis, Verkaufsvolumen)) +
  geom_point() + geom_smooth(method = 'lm')

Irgendwie nicht so gut, oder? Überprüfe dies indem du mit dem Code unten die Residuen gegen die gefitteten (vorhergesagten) Werte plottest.

# Residualplot
ggplot(mapping = aes(fitted(cali_lm), resid(cali_lm))) + geom_point()

Trotz des guten R-squared Werts liegen offensichtliche Verletzungen der Annahmen vor: Linearität, Normalität, und Homoskedastizität scheinen nicht zu halten. Ein Grund für diese Verletzungen sind fehlende Variablen. Ergänze das Modell um einen weiteren Prädiktor, nämlich Typ, welcher die Art der Avocado kodiert und plotte erneut Residuen gegen gefittete Werte. Speichere das Modell als cali_lm.

# Regression Verkausvolumen auf Preis & Typ
cali_lm <- lm(formula = XX ~ XX + XX, data = XX)
ggplot(mapping = aes(fitted(XX), resid(XX))) + geom_point()

# Regression Verkausvolumen auf Preis & Typ
cali_lm <- lm(Verkaufsvolumen ~ Preis + Typ, data = avocado_cali)
ggplot(mapping = aes(fitted(cali_lm), resid(cali_lm))) + geom_point()

Das hat geholfen! Aber die Sache sieht immer noch nicht ganz rund aus. Ein weiteres Problem existiert in der sehr schiefen Verteilung von Verkaufsvolumen. Es gibt nun mehrere Wege damit umzugehen. 1) Transformation von Verkaufsvolumen z.B. mit log(), 2) Verwendung der alternativen Variable Verkaufsvolumen_index, oder 3) die Modellierung mit einer passenden Verteilung. Probiere alle drei aus. Beginne mit 1), der Transformation. Überprüfe zunächst mit dem Template wie sich die Schiefe darstellt und wie sie sich durch log() verändert.

# Histogramm Verkaufsvolumen
ggplot(avocado_cali, aes(Verkaufsvolumen)) + geom_histogram()

`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

ggplot(avocado_cali, aes(log(Verkaufsvolumen))) + geom_histogram()

`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Sieht besser aus, oder? Zumindest etwas symmetrischer. Rechne nun eine Regression mit log(Verkaufsvolumen) als Kriterium und kreiere den typischen Residualplot.

# Regression Verkausvolumen auf Preis & Typ
cali_lm <- lm(formula = log(XX) ~ XX + XX, data = XX)
ggplot(mapping = aes(fitted(XX), resid(XX))) + geom_point()

# Regression Verkausvolumen auf Preis & Typ
cali_lm <- lm(log(Verkaufsvolumen) ~ Preis + Typ, data = avocado_cali)
ggplot(mapping = aes(fitted(cali_lm), resid(cali_lm))) + geom_point()

Die Punkte streuen nun etwas gleichmässiger um die Null-Gerade. Ganz ideal ist das Bild aber immer noch nicht, denn offensichtlich ist die Varianz der Residuen im unteren Bereich höher als im oberen Bereich. Ergo ist Homoskedastizität verletzt. Rechne nun eine Regression mit Verkaufsvolumen_index (ohne log()) und überprüfe, ob das vielleicht die verbleibenden Probleme löst.

# Regression Verkausvolumen auf Preis & Typ
cali_lm <- lm(formula = XX ~ XX + XX, data = XX)
ggplot(mapping = aes(fitted(XX), resid(XX))) + geom_point()

# Regression Verkausvolumen auf Preis & Typ
cali_lm <- lm(Verkaufsvolumen_index ~ Preis + Typ, data = avocado_cali)
ggplot(mapping = aes(fitted(cali_lm), resid(cali_lm))) + geom_point()

Vielleicht ist jetzt die Varianz etwas ausgeglichener, ideal sieht es aber immer noch nicht aus. Ganz perfekt ist das aber immer noch nicht. Du kannst dies mit dem Code unten, welcher die Standardabweichung separat für die beiden Punktwolken bestimmt, überprüfen.

# Regression Verkausvolumen auf Preis & Typ
tapply(resid(cali_lm), fitted(cali_lm) > 7, sd)

FALSE  TRUE 
0.229 0.178

Versuche nun als letztes die Poisson Verteilung mit Verkaufszahlen (einer Häufigkeitsvariable) als Kriterium. Achtung: Die Warnungen könnt ihr ignorieren.

# Regression Verkausvolumen auf Preis & Typ
cali_glm <- glm(formula = XX ~ XX + XX, data = XX, family = 'XX')
ggplot(mapping = aes(fitted(XX), resid(XX))) + geom_point()

# Regression Verkausvolumen auf Preis & Typ
cali_glm <- glm(Verkaufsvolumen ~ Preis + Typ, data = avocado_cali, family = 'poisson')
ggplot(mapping = aes(fitted(cali_glm), resid(cali_glm))) + geom_point()

Man könnte annehmen dies hätte die Angelegenheit weiter verschlechtert. Tatsächlich ist dies aber nicht so. Die Poisson-Regression hat andere Annahmen, als die normale Regression. Die normale Regression nimmt an, dass die Varianz konstant um die Regressionsgerade verteilt ist, die Poisson-Regression dagegen, dass die Varianz mit zunehmendem vorhergesagtem Wert ansteigt. Dies entspricht in diesem Fall exakt dem beobachteten Plot, womit wir belegt hätten, dass man Häufigkeitsverteilungen vielleicht doch am besten mit der davor vorgesehenen Verteilung modelliert.

C - Nicht-parametrische Tests

In diesem Abschnitt analysierst du die Veränderung im Verkausvolumen über die Jahre 2016 und 2017. Führe zunächst den Code unten aus um zwei vergleichbare Datensätze für die beiden Jahre zu kreieren.

# Jahr 2016
avocado_cali_2016 <- avocado_cali %>% 
  filter(year(Datum) == 2016)

# Jajr 2017 mit Wochen gematched
avocado_cali_2017 <- avocado_cali %>% 
  filter(year(Datum) == 2017, 
         week(Datum) %in% week(avocado_cali_2016$Datum))

Vergleiche nun mit einem t.test() das Verkaufsvolumen und den Verkaufsvolumen_index zwischen den beiden Jahren. Setze dabei paired = TRUE um zu berücksichtigen, dass es sich hier um abhängige Daten handelt. Siehe Template.

# Verkaufsvolumen 2016 vs 2017
t.test(avocado_cali_2016$XX,
       avocado_cali_2017$XX, paired = TRUE)

# Verkaufsvolumen-Index 2016 vs 2017
t.test(avocado_cali_2016$XX,
       avocado_cali_2017$XX, paired = TRUE)

# Verkaufsvolumen 2016 vs 2017
t.test(avocado_cali_2016$Verkaufsvolumen,
       avocado_cali_2017$Verkaufsvolumen, paired = TRUE)


    Paired t-test

data:  avocado_cali_2016$Verkaufsvolumen and avocado_cali_2017$Verkaufsvolumen
t = 2, df = 103, p-value = 0.05
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
  -3290 307840
sample estimates:
mean of the differences 
                 152275

# Verkaufsvolumen-Index 2016 vs 2017
t.test(avocado_cali_2016$Verkaufsvolumen_index,
       avocado_cali_2017$Verkaufsvolumen_index, paired = TRUE)


    Paired t-test

data:  avocado_cali_2016$Verkaufsvolumen_index and avocado_cali_2017$Verkaufsvolumen_index
t = 2, df = 103, p-value = 0.03
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 0.0056 0.0965
sample estimates:
mean of the differences 
                  0.051

Verkaufsvolumen zeigte keinen signifikanten Unterschied, Verkaufsvolumen_index dagegen schon. Dies ist wiederum auf die Schiefe in Verkaufsvolumen zurückzuführen. Vergleiche nun wie sich ein robuster wilcox.test() in den beiden Fällen schlägt.

# Verkaufsvolumen 2016 vs 2017
wilcox.test(avocado_cali_2016$XX,
            avocado_cali_2017$XX, paired = TRUE)

# Verkaufsvolumen-Index 2016 vs 2017
wilcox.test(avocado_cali_2016$XX,
            avocado_cali_2017$XX, paired = TRUE)

# Verkaufsvolumen 2016 vs 2017
wilcox.test(avocado_cali_2016$Verkaufsvolumen,
            avocado_cali_2017$Verkaufsvolumen, paired = TRUE)


    Wilcoxon signed rank test with continuity correction

data:  avocado_cali_2016$Verkaufsvolumen and avocado_cali_2017$Verkaufsvolumen
V = 3491, p-value = 0.01
alternative hypothesis: true location shift is not equal to 0

# Verkaufsvolumen-Index 2016 vs 2017
wilcox.test(avocado_cali_2016$Verkaufsvolumen_index,
            avocado_cali_2017$Verkaufsvolumen_index, paired = TRUE)


    Wilcoxon signed rank test with continuity correction

data:  avocado_cali_2016$Verkaufsvolumen_index and avocado_cali_2017$Verkaufsvolumen_index
V = 3474, p-value = 0.02
alternative hypothesis: true location shift is not equal to 0

Nun ist in beiden Fällen der Unterschied signifikant, was in der Tat für einen robusten Unterschied spricht. Ein einfacher weg dies noch weiter zu überprüfen ist der Vorzeichentest. Nutze das Template unten, um den Unterschied auch noch mit diesem Test zu überprüfen.

# Verkaufsvolumen 2016 vs 2017

# Vorzeichentest Vorbereitung
signs <- avocado_cali_2017$XX > avocado_cali_2016$XX
n_plus <- sum(signs)
n <- length(signs)

# p-Wert für Vorzeichentest
pbinom(q = n_plus, size = n, prob = .5)

# Verkaufsvolumen-Index 2016 vs 2017

# Vorzeichentest Vorbereitung
signs <- avocado_cali_2017$XX > avocado_cali_2016$XX
n_plus <- sum(signs)
n <- length(signs)

# p-Wert für Vorzeichentest
pbinom(q = n_plus, size = n, prob = .5)

# Verkaufsvolumen 2016 vs 2017

# Vorzeichentest Vorbereitung
signs <- avocado_cali_2017$Verkaufsvolumen > avocado_cali_2016$Verkaufsvolumen
n_plus <- sum(signs)
n <- length(signs)

# p-Wert für Vorzeichentest
pbinom(q = n_plus, size = n, prob = .5)

[1] 0.0475

# Verkaufsvolumen-Index 2016 vs 2017

# Vorzeichentest Vorbereitung
signs <- avocado_cali_2017$Verkaufsvolumen_index > avocado_cali_2016$Verkaufsvolumen_index
n_plus <- sum(signs)
n <- length(signs)

# p-Wert für Vorzeichentest
pbinom(q = n_plus, size = n, prob = .5)

[1] 0.0475

Auch hier zwei signifikante Ergebnisse. Nun kannst du langsam tatsächlich davon ausgehen, dass der Verkauf im Jahre 2017 gegenüber 2016 leicht zurück gegangen ist.

D - Robust Regression

Begib dich noch einmal zurück zur Vorhersage des Verkaufsvolumen durch Preis und Typ. Ein weiterer Weg gegenüber den bisher eingeschlagenen um mit potentiellen Verletzungen der Regression umzugehen sind robuste Regressionen. Rechne zunächst noch einmal das ursprüngliche Modell mit einer normalen Regression.

# Regression Verkausvolumen auf Preis
cali_lm <- lm(formula = YY ~ XX + XX, 
               data = ZZ)

# Regression Verkausvolumen auf Preis
cali_lm <- lm(formula = Verkaufsvolumen ~ Preis + Typ, 
               data = avocado_cali)

Nun verwende das Template unten um zwei alternative Modelle zu rechnen. Eine Quantil-basierte Regression mit rq() (quantreg Paket) und eine Rang-basierte Regression mit rfit() (Rfit Paket).

# Quantil-basierte Regression
cali_rq <- rq(formula = YY ~ XX + XX, 
              data = ZZ)

# Rang-basierte Regression
cali_rfit <- rfit(formula = YY ~ XX + XX, 
                   data = ZZ)

# Quantil-basierte Regression
cali_rq <- rq(formula = Verkaufsvolumen ~ Preis + Typ, 
              data = avocado_cali)

# Rang-basierte Regression
cali_rfit <- rfit(formula = Verkaufsvolumen ~ Preis + Typ, 
                  data = avocado_cali)

Vergleiche die summary() der drei Modelle. Welche Unterschiede und Gemeinsamkeiten fallen dir auf?

# regular regression
summary(cali_lm)


Call:
lm(formula = Verkaufsvolumen ~ Preis + Typ, data = avocado_cali)

Residuals:
     Min       1Q   Median       3Q      Max 
-2029523  -338620   -65747   347099  4692280 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  7418161     181045   40.97  < 2e-16 ***
Preis       -1338574     155354   -8.62  2.8e-16 ***
Typorganic  -5012181     121165  -41.37  < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 745000 on 335 degrees of freedom
Multiple R-squared:  0.939, Adjusted R-squared:  0.939 
F-statistic: 2.59e+03 on 2 and 335 DF,  p-value: <2e-16

# quantile regression
summary(cali_rq)


Call: rq(formula = Verkaufsvolumen ~ Preis + Typ, data = avocado_cali)

tau: [1] 0.5

Coefficients:
            coefficients lower bd   upper bd  
(Intercept)   6.06e+06     5.68e+06  1.80e+308
Preis        -1.54e+05    -3.16e+05  -4.18e+04
Typorganic   -5.64e+06    -6.39e+06  -5.41e+06

# rank-based regression
summary(cali_rfit)

Call:
rfit.default(formula = Verkaufsvolumen ~ Preis + Typ, data = avocado_cali)

Coefficients:
            Estimate Std. Error t.value p.value    
(Intercept)  6364261      79959   79.59 < 2e-16 ***
Preis        -455900      68628   -6.64 1.2e-10 ***
Typorganic  -5453944      53525 -101.89 < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Multiple R-squared (Robust): 0.93 
Reduction in Dispersion Test: 2231 p-value: 0

Die Summaries sind zunächst einmal nicht konsistent im Aufbau. Die Quantilregression liefert nur Konfidenzintervalle, was wir in der nächsten Session behandeln werden, entsprechend können wir keine p- oder t-Werte vergleichen. Du kannst aber zumindest die Gewichte vergleichen. Hier solltest du erkannt haben, dass die Gewichte der beiden robusten Regression deutlich näher aneinander sind und insbesondere das Gewicht des Preises als kleiner einschätzen, als dies die normale Regression tut. Dies ist ein Indiz dafür, dass der Einfluss des Preises ggf. von der normalen Regression überschätzt wurde.

E - Bootstrap

Der Bootstrap ist ein kaum zu überschätzendes Tool in der Statistik, dass praktisch jeden statistischen Test ersetzen kann. Verwende ihn um Standardfehler für übliche Regression von Verkaufsvolumen auf Preis und Typ zu bestimmen. Dazu haben wir für dich schon die bootstrap Funktion geschrieben die wir im nächsten Schritt in die boot-Funktion stecken können. Versuche zunächst jedoch nachzuvollziehen was unsere boot_lm Funktion tut.

# Bootstrap Funktion für lm
boot_lm <- function(data, indices, formula){
  data <- data[indices,] # Bootstrap sample
  data_lm <- lm(formula = formula, 
                data = data)
  coefficients(data_lm)
  }

Nun können wir die Funktion verwenden um wiederholt Regressionen für Bootstrap samples der Daten zu bestimmen. Siehe

# Lasse Bootstrap laufen
cali_boot<- boot(data = XX,               # Der Datensatz
                 statistic = XX,          # Die Funktion
                 formula = XX ~ XX + XX,  # Die Modellgleichung
                 R = 1000)                # Die Anzahl der Ziehungen

# Lasse Bootstrap laufen
cali_boot<- boot(data = avocado_cali,              
                 statistic = boot_lm,          
                 formula = Verkaufsvolumen ~ Preis + Typ, 
                 R = 1000)

Printe das cali_boot und evaluiere das Ergebnis. Die Spalte original enthält die Gewichte für den gesamten Datensatz. Die Spalte bias den Unterschied zwischen dem Mittel der Gewichte über die Bootstrap Samples und der Spalte original. Diese sollte möglichst klein sein. Die Spalte std. error enthält das Ergebnis von Interesse: den über Bootstrap geschätzten Standardfehler der Gewichte.

# Zeige Bootstrap Ergebnisse
cali_boot


ORDINARY NONPARAMETRIC BOOTSTRAP


Call:
boot(data = avocado_cali, statistic = boot_lm, R = 1000, formula = Verkaufsvolumen ~ 
    Preis + Typ)


Bootstrap Statistics :
    original  bias    std. error
t1*  7418161 -3947.2      266669
t2* -1338574  2883.1      209137
t3* -5012181   -52.7      119260

Das Ergebnis des Bootstrap kannst du nun einfach über eine z-Verteilung testen a la z = b / se, d.h., das Gewicht geteilt durch den Standardfehler folgt der z-Verteilung. Der Code unten sieht die relevanten Werte aus dem Objekt und berechnet die z-Werte für Intercept und die zwei Gewichte.

# Berechne z-Werte
cali_boot$t0[1] / sd(cali_boot$t[,1])

(Intercept) 
       27.8

cali_boot$t0[2] / sd(cali_boot$t[,2])

Preis 
 -6.4

cali_boot$t0[3] / sd(cali_boot$t[,3])

Typorganic 
       -42

Zum Abschluss vergleiche die durch Bootstrap ermittelten z-Werte mit den t-Werten aus der normalen Regression. Wisse dass zumindest theoretisch t-Werte mit vielen Freiheitsgraden praktisch identisch mit z-Werte seien sollten. Da in den Standardfehler der normalen Regression jedoch Annahmen einfliessen, müssen die Werte nicht identisch sein.

# Normale Regression
summary(lm(Verkaufsvolumen ~ Preis + Typ, avocado_cali))


Call:
lm(formula = Verkaufsvolumen ~ Preis + Typ, data = avocado_cali)

Residuals:
     Min       1Q   Median       3Q      Max 
-2029523  -338620   -65747   347099  4692280 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  7418161     181045   40.97  < 2e-16 ***
Preis       -1338574     155354   -8.62  2.8e-16 ***
Typorganic  -5012181     121165  -41.37  < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 745000 on 335 degrees of freedom
Multiple R-squared:  0.939, Adjusted R-squared:  0.939 
F-statistic: 2.59e+03 on 2 and 335 DF,  p-value: <2e-16

Beispiele

library(tidyverse)

# Normale regression ----------------

# Modell
m <- lm(formula = hwy ~ displ, 
        data = mpg)

# Evaluiere Modell
summary(m)     # Summary
fitted(m)      # gefittete Werte
resid(m)       # Residuen

# Residualplot
plot(fitted(m), resid(m))

# non-parametric tests ----------------

#  Teile Daten
mpg_suv     <- mpg %>% filter(class == 'suv')
mpg_compact <- mpg %>% filter(class == 'compact')

# Wilcoxon
wilcoxon.test(mpg_suv$hwy, mpg_compact$hwy)

# Robuste Regression ----------------

library(quantreg)
library(Rfit)

# Quantil Regression
m_q  <- rq(hwy ~ displ, data = mpg)

# Rang Regression
m_rb <- rfit(hwy ~ displ, data = mpg)

Datensätze

File	Zeilen	Spalten
avocado.csv	17573	16
avocado_cali.csv	338	16

Die Datensätze entstammen der Hass Avocado Board Webseite und enthalten wochenweise Avocado Verkaufsvolumina von April 2015 bis Mai 2018 für verschiedene Regionen der USA. Der kleinere Datensatz enthält nur die Daten für Kalifornien.

avocado.csv & avocado_cali.csv

Name	Description
`Verkaufsvolumen`	Das totale Verkaufsvolumen für Avocados in einer Woche.
`Verkaufsvolumen_index`	Ein Index von 0 bis 10 der das Verkaufsvolumen repräsentiert.
`Preis`	Der durchschnittliche Preis einer Avocado.
`Typ`	Der Typ der Avocado: “conventional” oder “organic”.
`Temparatur`	Die regionale Temperatur.
`Temperatur_USA`	Die landesweite Temperatur
`Luftfeuchtigkeit`	Die regionale Luftfeuchtigkeit.
`Luftfeuchtigkeit_USA`	Die landesweite Luftfeuchtigkeit_USA.
`Niederschlag`	Der regionale Niederschlag.
`Niederschlag_USA`	Der landesweite Niederschlag.
`Jahr`	Jahr.
`Jahreszeit`	Jahreszeit.
`Datum`	Datum.
`Region`	Region.
`Längengrad`	Längengrad.
`Breitengrad`	Breitengrad.

Funktionen

Pakete

Package	Installation
`tidyverse`	`install.packages("tidyverse")`
`lubridate`	`install.packages("lubridate")`
`quantreg`	`install.packages("quantreg")`
`boot`	`install.packages("boot")`
`Rfit`	`install.packages("Rfit")`
`lme4`	`install.packages("lme4")`
`rsq`	`install.packages("rsq")`

Funktionen

Function	Package	Description
`lm`, `glm`	`stats`	Regressionsmodelle.
`summary`	`base`	Modellergebnisse
`fitted`, `resid`	`stats`	Extrahiere gefittete Werte und Residuen.
`rq`	`quantreg`	Quantil-Regression.
`rfit`	`Rfit`	Rangregression.
`wilcox.test`	`stats`	Wilcoxon-Test.
`pbinom`	`stats`	Kumulative Binomialverteilung (für den Vorzeichentest).

Resourcen

Vignetten

Regression assumptions, Robust regression, Rank-based regression with Rfit Bootstrap Variance inflation

Robuste Statistik

Statistik mit R The R Bootcamp

Überblick

Aufgaben

A - Setup

B - Annahmenverletzungen

C - Nicht-parametrische Tests

D - Robust Regression

E - Bootstrap

Beispiele

Datensätze

avocado.csv & avocado_cali.csv

Funktionen

Pakete

Funktionen

Resourcen

Vignetten

Statistik mit R
The R Bootcamp