#' ---
#' lesson: Statistik 5
#' knitr:
#'   opts_chunk: 
#'     collapse: false
#' musterloesung: true
#' ---
#' 
#' # Statistik 5: Übung
#' 
#' **Datensatz *polis.csv***
#' 
#' Der Datensatz polis.csv beschreibt für 19 Inseln im Golf von Kalifornien, ob 
#' Eidechsen der Gattung Uta vorkommen (presence/absence: PA) in Abhängigkeit von 
#' der Form der Inseln (Verhältnis Umfang zu Fläche: RATIO)
#' 
#' Bitte prüft mit einer logistischen Regression, ob und ggf. wie die Inselform die Präsenz der Eidechsen beinflusst
#' 
#' 
#' ::::{.content-hidden unless-meta="musterloesung"}
#' :::{.callout-note}
#' 
#' [Demoscript herunterladen (.R)](../purl/Statistik5_Uebung.R){.dld}
#' 
#' [Demoscript herunterladen (.qmd)](../purl/Statistik5_Uebung.qmd){.dld}
#' 
#' 
#' - [Lösungstext als Download](Statistik5_Loesung.pdf)
#' 
#' 
#' ## Musterlösung Übung 5
#' 
## -----------------------------------------------------------------------------
#| message: false
library("readr")
library("ggplot2")
library("dplyr")

#' 
## -----------------------------------------------------------------------------
#| message: false
polis <- read_delim("datasets/stat/polis.csv", delim = ";") |>
  mutate(across(where(is.character), as.factor))
                                     
str(polis)
summary(polis)

#' 
#' Man erkennt, dass polis 19 Beobachtungen von drei Parametern enthält, wobei 
#' ISLAND ein Faktor mit den Inselnamen ist, während RATIO metrisch ist und PA 
#' nur 0 oder 1 enthält. Prädiktorvariable ist RATIO, abhängige Variable PA, 
#' mithin ist das korrekte statistische Verfahren eine logistische Regression (GLM).
#' 
#' 
## -----------------------------------------------------------------------------
# Definition des logistischen Modells
glm_1 <- glm(PA ~ RATIO, family = "binomial", data = polis)
summary(glm_1)

#' 
#' Modell ist signifikant (p-Wert in Zeile RATIO ist < 0.05). Jetzt müssen wir noch prüfen, ob es auch valide ist:
#' 
## -----------------------------------------------------------------------------
# Modelldiagnostik für das gewählte Modell (wenn nicht signifikant, dann OK)
library(DHARMa)
set.seed(123)
simulateResiduals(fittedModel = glm_1, plot = TRUE, n = 1000)

#' 
#' Ist ok
#' Jetzt brauchen wir noch die Modellgüte (Pseudo-R2):
#' 
## -----------------------------------------------------------------------------
# Modellgüte (pseudo-R²)
library("performance")
r2(glm_1)

#' 
#' Um unser Modell zu interpretieren müssen wir noch in Betracht ziehen, dass 
#' wir nicht die Vorkommenswahrscheinlichkeit selbst, sondern logit (Vorkommenswahrscheinlichkeit) modelliert haben. Unser Ergebnis (die beiden Parameterschätzungen von oben, also 3.6061 und -0.2196) muss also zunächst in 
#' etwas Interpretierbares übersetzt werden:
#' 
## -----------------------------------------------------------------------------
# Steilheit der Beziehung in Modellen mit nur einem Parameter
exp(glm_1$coef["RATIO"])


#' 
#' < 1, d. h. Vorkommenswahrscheinlichkeit sinkt mit zunehmender Isolation.
#' 
## -----------------------------------------------------------------------------
# LD50 für 1-Parameter-Modelle (hier also x-Werte, bei der 50% der Inseln 
# besiedelt sind)
library(MASS)
dose.p(glm_1, p = 0.5)

#' 
#' Am besten stellen wir auch unsere Funktionsgleichung dar. Dazu müssen wir das "Rohergebnis" (mit P = Vorkommenswahrscheinlichkeit)
#' 
#' ln (P/ (1- P)) = 3.606 – 0.220 RATIO
#' 
#' so umformen, dass wir links nur P stehen haben:
#' 
#' P = exp(3.606 – 0.220 RATIO) / (1 + exp(3.606 – 0.220 RATIO))
#' 
#' Das ist also unsere vorhergesagte Regressionsfunktion, die wir in einem letzten Schritt auch noch visualisieren können (und sollten):
#' 
## -----------------------------------------------------------------------------
# Ergebnisplots
ggplot(data = polis, aes(x = RATIO, y = PA)) +
  geom_point() +
  labs(x = "Umfang-Flächen-Verhältnis", y = "Vorkommenswahrscheinlichkeit") +
  geom_smooth(method = "glm", method.args = list(family = "binomial")) +
  theme_classic()

#' 
#' :::
#' :::: 
