Devianza e trasformazione lineare

Come hai visto negli esercizi precedenti, la devianza diminuisce quando aggiungi una variabile che migliora l'adattamento del modello. In questo esercizio considererai l'esempio dei pozzi (well switch) e il modello che hai adattato con la variabile distance, ma valuterai cosa succede quando applichi una trasformazione lineare alla variabile.

Nota che la variabile distance100 è la variabile originale distance divisa per 100, per ottenere una rappresentazione e un'interpretazione dei risultati più significative. Puoi ispezionare i dati con wells.head() per visualizzare le prime 5 righe.

L'insieme di dati wells e il modello 'swicth ~ distance100' sono stati precaricati come model_dist.

Questo esercizio fa parte del corso

Modelli lineari generalizzati in Python

Visualizza il corso

Istruzioni dell'esercizio

Importa statsmodels come sm e la funzione glm().
Adatta un modello di regressione logistica con distance come variabile esplicativa e switch come risposta e salvalo come model_dist_1.
Controlla e stampa la differenza di devianza tra il modello corrente e il modello con distance100 come variabile esplicativa.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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))

Modifica ed esegui il codice