Termini di interazione
Nel video hai visto come includere interazioni nella struttura del modello quando c’è una variabile continua e una categorica. In questo esercizio analizzerai gli effetti dell’interazione tra due variabili continue.
Userai variabili centrate invece dei valori originali per interpretare più facilmente gli effetti dei coefficienti, cioè a partire dal livello delle medie piuttosto che da 0, che potrebbe non avere senso nello studio in questione. In altre parole, non vogliamo interpretare il modello assumendo 0 per le variabili arsenic o distance100.
Il modello 'switch ~ distance100 + arsenic' è stato precaricato come model_dist_ars nell’ambiente di lavoro.
Anche l’insieme di dati wells è precaricato.
Questo esercizio fa parte del corso
Modelli lineari generalizzati in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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(____.____)