Interaktionsterme
Im Video hast du gelernt, wie du Interaktionen in die Modellstruktur einbaust, wenn es eine stetige und eine kategoriale Variable gibt. In dieser Übung analysierst du die Effekte einer Interaktion zwischen zwei stetigen Variablen.
Du verwendest zentrierte Variablen statt der Originalwerte, damit sich die Koeffizienten leichter interpretieren lassen – also ausgehend vom Mittelwert statt von 0, was für die vorliegende Studie möglicherweise keinen Sinn ergibt. Mit anderen Worten: Wir wollen das Modell nicht so interpretieren, als wären arsenic oder distance100 gleich 0.
Das Modell 'switch ~ distance100 + arsenic' wurde als model_dist_ars bereits in den Workspace geladen.
Der Datensatz wells ist ebenfalls vorab geladen.
Diese Übung ist Teil des Kurses
Generalisierte lineare Modelle in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Import libraries
import statsmodels.api as sm
from statsmodels.formula.api import glm
# Fit GLM and print model summary
model_int = ____('____ ~ ____(____) + ____(____) + ____(____):____(____)',
data = ____, family = ____).____
# View model results
print(____.____)