r-4.现在为每个度量拟合一个线性模型，并使用confint函数来比较估计值.(击球)

Question

以下是我迄今为止所做的工作，我很难计算出回归线。

1. 在开始之前，我们想要生成两个表。一个用于2002年，另一个用于1999-2001赛季的平均值。我们想定义每个板的外观统计数据。以下是我们如何创建2017年表格。只保留出场次数超过100次的球员。现在计算一个类似的表格，但费率是在1999-2001年计算的

library(Lahman)
data("Batting")
avg <- Batting %>% filter(yearID %in% 1999:2001) %>%
mutate(pa = AB + BB, 
avg_singles = (H - X2B - X3B - HR) / pa, avg_bb = BB / pa) %>%
filter(pa >= 100) %>%
select(playerID, avg_singles, avg_bb)
dat <- Batting %>% filter(yearID == 2002) %>%
mutate(pa = AB + BB, 
singles = (H - X2B - X3B - HR) / pa, bb = BB / pa) %>%
filter(pa >= 100) %>%
select(playerID, singles, bb)

2. 计算2002年与前几个赛季单打和BB的相关性

dat <- inner_join(dat, avg, by = "playerID")
rdat <- dat %>% 
summarise(singles_r = cor(singles,avg_singles ), bb_r = cor(bb, avg_bb ))
rdat

3. 请注意，BB的相关性更高。为了快速了解与此相关性估计相关的不确定性，我们将拟合线性模型并计算斜率系数的置信区间。然而，首先制作散点图，以确认拟合线性模型是合适的

library(ggplot2)
dat %>% 
ggplot(aes(singles,avg_singles))+
geom_point(alpha = 0.5)
dat %>% 
ggplot(aes(bb,avg_bb))+
geom_point(alpha = 0.5)

4. 现在为每个度量拟合一个线性模型，并使用confint函数来比较估计值

Answer 1

我会使用lm函数来解决这个问题
示例：

lm(singles ~ avg_singles , data = dat)

对于CCD_ 2也是如此。

Answer 2

2002年单身率与1999-2001年平均单身率之间的相关性是什么

以下代码可用于确定相关性：

dat <- inner_join(bat_02, bat_99_01)
cor(dat$singles, dat$mean_singles)
# Correct answer:
[1] 0.5509222

2002年BB发病率与1999-2001年平均BB发病率之间的相关性是什么

以下代码可用于确定相关性：

cor(dat$bb, dat$mean_bb)
# Correct answer:
[1] 0.7174787