Coefficienti in termini di odds

In precedenza hai adattato un modello di regressione logistica per la probabilità di cambiare pozzo dato il livello di arsenic. In questo esercizio vedrai come un'altra variabile, distance100, è collegata alla probabilità di cambiare e interpreterai i coefficienti in termini di odds.

Ricorda che la regressione logistica è espressa in termini di log-odds, quindi per ottenere di quanto si moltiplicano le odds a seguito di un aumento unitario in x devi esponenziare le stime dei coefficienti. Questo è chiamato anche odds ratio.

Ricorda che le odds sono il rapporto tra il verificarsi dell'evento e il non verificarsi dell'evento. Per esempio, se le odds di vincere una partita sono 1/2 o 1 a 2 (1:2), significa che per ogni vittoria ci sono 2 sconfitte.

L'insieme di dati wells è caricato nell'ambiente di lavoro.

Questo esercizio fa parte del corso

Modelli lineari generalizzati in Python

Visualizza il corso

Istruzioni dell'esercizio

Importa la libreria statsmodels e la funzione glm da statsmodels.formula.api. Importa anche numpy come np.
Usando glm() adatta un modello di regressione logistica in cui switch è predetta da distance100.
Estrai i coefficienti del modello usando .params.
Calcola l'effetto moltiplicativo sulle odds usando la funzione exp() di numpy.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Load libraries and functions
import ____.api as sm
from ____.____.api import glm
import ____ as ____

# Fit logistic regression model
model_GLM = ____(formula = ____,
                data = ____,
                family = ____.____.____).____ 

# Extract model coefficients
print('Model coefficients: \n', ____.____)

# Compute the multiplicative effect on the odds
print('Odds: \n', np.____(____.____))

Modifica ed esegui il codice