Menghitung statistik Wald

Pada latihan sebelumnya Anda memasangkan model dengan variabel width dan menilai hubungan antara variabel penjelas dan variabel respons. Pada latihan ini Anda akan menilai signifikansi variabel width dengan menghitung statistik Wald.

Perhatikan juga bahwa dalam ringkasan model, statistik Wald ditampilkan dengan huruf z yang berarti nilai statistik mengikuti distribusi normal baku. Ingat kembali rumus statistik Wald:

$$ z=\frac{\hat\beta}{SE} $$

Dengan $\hat\beta$ adalah koefisien taksiran dan $SE$ adalah galat bakunya.

Model yang telah dipasangkan crab_GLM dan himpunan data crab sudah dimuat di ruang kerja.

Latihan ini merupakan bagian dari kursus

Generalized Linear Models di Python

Lihat Kursus

Instruksi latihan

Gunakan .params untuk mengekstrak dan mencetak koefisien model lalu simpan sebagai intercept dan slope.
Simpan dan cetak matriks kovarians sebagai crab_cov.
Hitung dan cetak galat baku std_error dengan mengekstrak elemen yang relevan menggunakan matriks kovarians.
Hitung dan cetak statistik Wald.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Extract coefficients
intercept, slope = ____.____

# Estimated covariance matrix: crab_cov
____ = crab_GLM.____
print(____)

# Compute standard error (SE): std_error
____ = np.____(____.loc['width', 'width'])
print('SE: ', round(____, 4))

# Compute Wald statistic
wald_stat = ____/____
print('Wald statistic: ', round(____,4))

Edit dan Jalankan Kode