Dispensa di modelli lineari in R - Dipartimento di Statistica
Dispensa di modelli lineari in R - Dipartimento di Statistica
Dispensa di modelli lineari in R - Dipartimento di Statistica
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
CAPITOLO 11. ANALISI DELLA COVARIANZA 121<br />
11.2 Analisi dei dati INSULATE.DAT<br />
I dati nel file <strong>in</strong>sulate.dat sono relativi ad un esperimento <strong>di</strong> valutazione dell’effetto<br />
dell’isolamento termico sul consumo <strong>di</strong> gas per riscaldamento. Per 26 settimane<br />
prima e per 30 settimane dopo la coibentazione termica <strong>di</strong> un e<strong>di</strong>ficio dotato <strong>di</strong> un<br />
impiato <strong>di</strong> riscaldamento regolato a 20 gra<strong>di</strong> Celsius, sono state registrate la temperatura<br />
me<strong>di</strong>a esterna (misurata <strong>in</strong> gra<strong>di</strong> Celsius) e il consumo settimanale <strong>di</strong> gas<br />
(<strong>in</strong> migliaia <strong>di</strong> pie<strong>di</strong> cubi).<br />
Si vuole esplorare<br />
• la relazione tra temperature esterna e consumo <strong>di</strong> gas;<br />
• l’eventuale variazione della relazione prima e dopo la coibentazione.<br />
Si acquisiscano i dati.<br />
> Iso attach(Iso)<br />
Il primo quesito chiede <strong>di</strong> esplorare la relazione esistente tra temperatura e il consumo.<br />
Per avere un’idea della relazione tra le due variabili, si consideri il <strong>di</strong>agramma<br />
<strong>di</strong> <strong>di</strong>spersione.<br />
> plot(cons ~ temp)<br />
Dalla Figura 11.6 si nota una evidente relazione decrescente tra temperatura e consumo:<br />
all’aumentare della temperatura cala il consumo. Si può provare a vedere<br />
se questa relazione è <strong>di</strong>versa prima e dopo l’isolamento termico (come richiesto dal<br />
secondo quesito).<br />
> plot(cons ~ temp, type = "n")<br />
> po<strong>in</strong>ts(temp[quando == "prima"], cons[quando ==<br />
+ "prima"])<br />
> po<strong>in</strong>ts(temp[quando == "dopo"], cons[quando ==<br />
+ "dopo"], pch = 4, col = 2)<br />
Si nota chiaramente (cfr, Figura 11.7) come la relazione rimanga decrescente, ma<br />
come i livelli <strong>di</strong> consumo si abbass<strong>in</strong>o, a parità <strong>di</strong> temperatura, dopo la coibentazione.<br />
Questo parrebbe suggerire che, per spiegare il legame tra temperatura e consumo<br />
prima e dopo la coibentazione, sia necessario un modello che preveda due rette <strong>di</strong><br />
regressione con <strong>di</strong>versa <strong>in</strong>tercetta. Non è chiaro se le due rette debbano avere anche<br />
<strong>di</strong>verso coefficiente angolare.<br />
Si procede allora con l’analisi della covarianza.<br />
> iso.lm summary(iso.lm)