Calcolo della statistica di Wald
Nell'esercizio precedente hai stimato un modello con la variabile width e hai valutato la relazione tra variabile esplicativa e variabile risposta. In questo esercizio valuterai la significatività della variabile width calcolando la statistica di Wald.
Nota anche che nel sommario del modello la statistica di Wald è indicata con la lettera z, che significa che il valore della statistica segue una distribuzione normale standard. Ricorda la formula della statistica di Wald:
$$ z=\frac{\hat\beta}{SE} $$
dove \(\hat\beta\) è il coefficiente stimato e \(SE\) il suo errore standard.
Il modello stimato crab_GLM e l'insieme di dati crab sono già caricati nell'ambiente di lavoro.
Questo esercizio fa parte del corso
Modelli lineari generalizzati in Python
Istruzioni dell'esercizio
- Usa
.paramsper estrarre e stampare i coefficienti del modello e salvali come intercetta e pendenza. - Salva e stampa la matrice di covarianza come
crab_cov. - Calcola e stampa l'errore standard
std_errorestraendo l'elemento rilevante dalla matrice di covarianza. - Calcola e stampa la statistica di Wald.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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))