Koeficienty vyjádřené jako poměr šancí

V předchozím cvičení jsi sestavil/a model logistické regrese pro pravděpodobnost přepojení studny v závislosti na hladinách arsenic. V tomto cvičení se podíváš na to, jak se k pravděpodobnosti přepojení vztahuje proměnná distance100, a naučíš se interpretovat hodnoty koeficientů jako poměr šancí.

Vzpomeň si, že model logistické regrese pracuje s logaritmem šancí (log odds). Chceš-li zjistit, kolikrát se šance změní při jednotkovém nárůstu x, stačí exponenciovat odhady koeficientů. Tato hodnota se nazývá poměr šancí (odds ratio).

Šance je poměr pravděpodobnosti, že nastane daná událost, k pravděpodobnosti, že nenastane. Například šance 1/2 neboli 1 ku 2 (1:2) znamená, že na každou výhru připadají 2 prohry.

Dataset wells je načtený v pracovním prostředí.

Toto cvičení je součástí kurzu

Zobecněné lineární modely v Pythonu

Zobrazit kurz

Pokyny k cvičení

Importuj knihovnu statsmodels a funkci glm z statsmodels.formula.api. Také importuj numpy jako np.
Pomocí glm() fituj model logistické regrese, kde je proměnná switch předpovídána proměnnou distance100.
Extrahuj koeficienty modelu pomocí .params.
Vypočítej multiplikativní vliv na šance pomocí funkce exp() z knihovny numpy.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Load libraries and functions
import ____.api as sm
from ____.____.api import glm
import ____ as ____

# Fit logistic regression model
model_GLM = ____(formula = ____,
                data = ____,
                family = ____.____.____).____ 

# Extract model coefficients
print('Model coefficients: \n', ____.____)

# Compute the multiplicative effect on the odds
print('Odds: \n', np.____(____.____))

Upravit a spustit kód