Desviancia y transformación lineal

Como has visto en ejercicios anteriores, la desviancia disminuye cuando añades una variable que mejora el ajuste del modelo. En este ejercicio vas a usar el ejemplo de los datos de pozos y el modelo que ajustaste con la variable distance, pero evaluarás qué ocurre cuando hay una transformación lineal de la variable.

Ten en cuenta que la variable distance100 es la variable original distance dividida entre 100 para facilitar una representación e interpretación más significativas de los resultados. Puedes inspeccionar los datos con wells.head() para ver las primeras 5 filas.

El conjunto de datos wells y el modelo 'swicth ~ distance100' se han precargado como model_dist.

Este ejercicio forma parte del curso

Modelos lineales generalizados en Python

Ver curso

Instrucciones del ejercicio

Importa statsmodels como sm y la función glm().
Ajusta un modelo de regresión logística con distance como variable explicativa y switch como variable respuesta y guárdalo como model_dist_1.
Comprueba e imprime la diferencia en desviancia entre el modelo actual y el modelo con distance100 como variable explicativa.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import functions
import ____.api as ____
from ____.____.api import ____

# Fit logistic regression model as save as model_dist_1
model_dist_1 = ____('____ ~ ____', data = ____, family = ____).____

# Check the difference in deviance of model_dist_1 and model_dist
print('Difference in deviance is: ', round(____.____ - ____.____,3))

Editar y ejecutar código