Statistische Signifikanz
Im Video haben wir das Modell für Hufeisenkrabben analysiert, indem wir y mit weight vorhergesagt haben. In dieser Übung bewertest du die Signifikanz der geschätzten Koeffizienten, diesmal jedoch mit width als erklärender Variable.
Erinnere dich: Koeffizienten helfen uns, die Signifikanz der Beziehung zu beurteilen, die wir modellieren möchten. Ein positives Vorzeichen erhöht die Wahrscheinlichkeit eines Ereignisses, wenn der Prädiktor zunimmt, und umgekehrt.
Der Datensatz crab ist im Workspace geladen.
Diese Übung ist Teil des Kurses
<Kurs>Generalisierte lineare Modelle in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Import libraries and th glm function
import ____.api as sm
from ____.____.api import ____
# Fit logistic regression and save as crab_GLM
crab_GLM = ____('____ ~ ____', data = ____, family = sm.families.____).____
# Print model summary
____(____.____)