height weight female eyes age uhat yhat uuu74 195 0 1 53 -7.384037 202.384 3.7435963 120 1 4 33 3.288961 116.711 -1.90909165 120 1 4 22 -12.28795 132.2879 .090909175 210 0 1 44 -.1724911 210.1725 4.7435966 130 1 3 29 -10.0764 140.0764 1.09090962 150 1 1 37 41.07742 108.9226 -2.90909169 230 1 1 34 66.55824 163.4418 4.09090973 180 0 5 27 -14.59558 194.5956 2.7435965 170 0 3 47 37.71205 132.2879 -5.2564172 195 0 2 33 8.192872 186.8071 1.7435968 120 1 1 25 -35.65331 155.6533 3.09090970 180 0 5 32 8.769781 171.2302 -.256410366 164 0 4 25 23.9236 140.0764 -4.2564170 190 0 4 24 18.76978 171.2302 -.256410363 120 1 3 22 3.288961 116.711 -1.90909179 225 0 1 21 -16.32631 241.3263 8.74358971 212 0 1 48 32.98133 179.0187 .743589869 195 0 1 27 31.55824 163.4418 -1.2564174 195 0 1 53 -7.384037 202.384 3.7435971 190 0 1 30 10.98133 179.0187 .743589864 119 1 4 22 -5.499493 124.4995 -.909090964 119 1 4 22 -5.499493 124.4995 -.909090966 123 0 4 23 -17.0764 140.0764 -4.2564170 145 0 5 27 -26.23022 171.2302 -.256410368 185 0 1 47 29.34669 155.6533 -2.2564165 112 1 1 23 -20.28795 132.2879 .090909172 190 0 3 27 3.192872 186.8071 1.7435969 165 0 1 36 1.558235 163.4418 -1.2564165 100 1 1 23 -32.28795 132.2879 .090909161 95 1 1 22 -6.13413 101.1341 -3.90909170 145 0 1 23 -26.23022 171.2302 -.256410370 155 0 1 45 -16.23022 171.2302 -.256410366 115 1 1 24 -25.0764 140.0764 1.09090972 190 0 3 24 3.192872 186.8071 1.7435970 135 1 3 26 -36.23022 171.2302 5.09090962 115 1 3 26 6.077415 108.9226 -2.90909171 165 0 3 26 -14.01867 179.0187 .743589874 225 0 1 22 22.61596 202.384 3.7435964 106 1 1 25 -18.49949 124.4995 -.909090971 200 0 1 25 20.98133 179.0187 .743589868 134 1 3 23 -21.65331 155.6533 3.09090967 161 0 1 23 13.13514 147.8649 -3.2564169 165 0 4 22 1.558235 163.4418 -1.2564165 110 1 1 23 -22.28795 132.2879 .090909168 137 1 3 25 -18.65331 155.6533 3.09090974 207 0 1 52 4.615963 202.384 3.7435963 101 1 4 23 -15.71104 116.711 -1.90909165 125 1 1 26 -7.287948 132.2879 .090909164 170 1 1 26 45.50051 124.4995 -.909090970 195 0 5 23 23.76978 171.2302 -.256410364 120 1 2 23 -4.499493 124.4995 -.909090970 240 0 2 26 68.76978 171.2302 -.256410364 106 1 1 25 -18.49949 124.4995 -.909090967 120 0 1 26 -27.86486 147.8649 -3.2564167 120 1 4 26 -27.86486 147.8649 2.09090967 161 0 1 23 13.13514 147.8649 -3.2564166 110 0 4 23 -30.0764 140.0764 -4.2564172 205 0 5 26 18.19287 186.8071 1.7435971 200 0 1 25 20.98133 179.0187 .743589871 165 0 3 26 -14.01867 179.0187 .743589870 170 0 1 26 -1.230219 171.2302 -.256410371 167 0 1 23 -12.01867 179.0187 .743589864 118 1 4 23 -6.499493 124.4995 -.909090965 122 1 1 26 -10.28795 132.2879 .090909167 140 0 1 25 -7.864856 147.8649 -3.2564166 190 0 1 34 49.9236 140.0764 -4.2564165 125 1 1 26 -7.287948 132.2879 .090909170 135 1 3 26 -36.23022 171.2302 5.09090968 134 1 3 23 -21.65331 155.6533 3.09090963 101 1 4 23 -15.71104 116.711 -1.90909162 115 1 3 26 6.077415 108.9226 -2.90909160 134 1 2 25 40.65432 93.34567 -4.909091(headings correspond to the column of data like I have labeled it above; for female, 1=female and 2=male; although not necessary for this exercise, the 1,2,3,4 for eyes just represents 4 different eye colors.)Using the data, estimate a linear probability model that predicts female on the basis of weight. Report the results and interpret them. b) Plot the predicted values on the y-axis (and weight on the x-axis). How many are 1 or 0.50 and zero otherwise. Form the 2x2 table comparing this prediction to the true value offemale. What percentage of observations are correctly predicted?

Name: height weight female eyes age uhat yhat uuu74 195 0
Uploaded: 2024-03-20T07:07:12.000Z
Channel: Bartleby
Description: height weight female eyes age uhat yhat uuu74 195 0 1 53 -7.384037 202.384 3.7435963 120 1 4 33 3.288961 116.711 -1.90909165 120 1 4 22 -12.28795 132.2879 .090909175 210 0 1 44 -.17249

Question

height   weight   female   eyes   age   uhat   yhat   uuu74   195   0   1   53   -7.384037   202.384   3.7435963   120   1   4   33   3.288961   116.711   -1.90909165   120   1   4   22   -12.28795   132.2879   .090909175   210   0   1   44   -.1724911   210.1725   4.7435966   130   1   3   29   -10.0764   140.0764   1.09090962   150   1   1   37   41.07742   108.9226   -2.90909169   230   1   1   34   66.55824   163.4418   4.09090973   180   0   5   27   -14.59558   194.5956   2.7435965   170   0   3   47   37.71205   132.2879   -5.2564172   195   0   2   33   8.192872   186.8071   1.7435968   120   1   1   25   -35.65331   155.6533   3.09090970   180   0   5   32   8.769781   171.2302   -.256410366   164   0   4   25   23.9236   140.0764   -4.2564170   190   0   4   24   18.76978   171.2302   -.256410363   120   1   3   22   3.288961   116.711   -1.90909179   225   0   1   21   -16.32631   241.3263   8.74358971   212   0   1   48   32.98133   179.0187   .743589869   195   0   1   27   31.55824   163.4418   -1.2564174   195   0   1   53   -7.384037   202.384   3.7435971   190   0   1   30   10.98133   179.0187   .743589864   119   1   4   22   -5.499493   124.4995   -.909090964   119   1   4   22   -5.499493   124.4995   -.909090966   123   0   4   23   -17.0764   140.0764   -4.2564170   145   0   5   27   -26.23022   171.2302   -.256410368   185   0   1   47   29.34669   155.6533   -2.2564165   112   1   1   23   -20.28795   132.2879   .090909172   190   0   3   27   3.192872   186.8071   1.7435969   165   0   1   36   1.558235   163.4418   -1.2564165   100   1   1   23   -32.28795   132.2879   .090909161   95   1   1   22   -6.13413   101.1341   -3.90909170   145   0   1   23   -26.23022   171.2302   -.256410370   155   0   1   45   -16.23022   171.2302   -.256410366   115   1   1   24   -25.0764   140.0764   1.09090972   190   0   3   24   3.192872   186.8071   1.7435970   135   1   3   26   -36.23022   171.2302   5.09090962   115   1   3   26   6.077415   108.9226   -2.90909171   165   0   3   26   -14.01867   179.0187   .743589874   225   0   1   22   22.61596   202.384   3.7435964   106   1   1   25   -18.49949   124.4995   -.909090971   200   0   1   25   20.98133   179.0187   .743589868   134   1   3   23   -21.65331   155.6533   3.09090967   161   0   1   23   13.13514   147.8649   -3.2564169   165   0   4   22   1.558235   163.4418   -1.2564165   110   1   1   23   -22.28795   132.2879   .090909168   137   1   3   25   -18.65331   155.6533   3.09090974   207   0   1   52   4.615963   202.384   3.7435963   101   1   4   23   -15.71104   116.711   -1.90909165   125   1   1   26   -7.287948   132.2879   .090909164   170   1   1   26   45.50051   124.4995   -.909090970   195   0   5   23   23.76978   171.2302   -.256410364   120   1   2   23   -4.499493   124.4995   -.909090970   240   0   2   26   68.76978   171.2302   -.256410364   106   1   1   25   -18.49949   124.4995   -.909090967   120   0   1   26   -27.86486   147.8649   -3.2564167   120   1   4   26   -27.86486   147.8649   2.09090967   161   0   1   23   13.13514   147.8649   -3.2564166   110   0   4   23   -30.0764   140.0764   -4.2564172   205   0   5   26   18.19287   186.8071   1.7435971   200   0   1   25   20.98133   179.0187   .743589871   165   0   3   26   -14.01867   179.0187   .743589870   170   0   1   26   -1.230219   171.2302   -.256410371   167   0   1   23   -12.01867   179.0187   .743589864   118   1   4   23   -6.499493   124.4995   -.909090965   122   1   1   26   -10.28795   132.2879   .090909167   140   0   1   25   -7.864856   147.8649   -3.2564166   190   0   1   34   49.9236   140.0764   -4.2564165   125   1   1   26   -7.287948   132.2879   .090909170   135   1   3   26   -36.23022   171.2302   5.09090968   134   1   3   23   -21.65331   155.6533   3.09090963   101   1   4   23   -15.71104   116.711   -1.90909162   115   1   3   26   6.077415   108.9226   -2.90909160   134   1   2   25   40.65432   93.34567   -4.909091(headings correspond to the column of data like I have labeled it above; for female, 1=female and 2=male; although not necessary for this exercise, the 1,2,3,4 for eyes just represents 4 different eye colors.)Using the data, estimate a linear probability model that predicts female on the basis of weight. Report the results and interpret them. b) Plot the predicted values on the y-axis (and weight on the x-axis). How many are >1 or <0? c) Use the predicted values to form a binary variable that =1 if the predicted probability of beingfemale is >0.50 and zero otherwise. Form the 2x2 table comparing this prediction to the true value offemale. What percentage of observations are correctly predicted?

Accepted Answer

First Enter the required data into Excel

(a)
To fit a linear regression model,

Go to Data tab…