オッズで表す係数

前の演習では、arsenic の水準に基づいて井戸を切り替える確率に対して、ロジスティック回帰モデルを当てはめました。この演習では、別の変数 distance100 が切り替え確率とどのように関係するかを調べ、係数をオッズの観点で解釈します。

ロジスティック回帰モデルは対数オッズで表されるので、x が1単位増加したときにオッズが何倍になるかを得るには、係数推定値を指数関数で変換します。これは オッズ比 とも呼ばれます。

オッズは、事象が起こる確率と起こらない確率の比です。例えば、ゲームに勝つオッズが 1/2、つまり 1 対 2 (1:2) であれば、1回の勝ちに対して2回の負けがあるという意味です。

データセット wells はワークスペースに読み込まれています。

この演習はコースの一部です

Pythonで学ぶ一般化線形モデル

コースを見る

演習の手順

statsmodels ライブラリと、statsmodels.formula.api から glm 関数をインポートしてください。あわせて numpy を np としてインポートします。
glm() を使い、switch を distance100 で予測するロジスティック回帰モデルを当てはめます。
.params を使ってモデル係数を抽出します。
numpy の exp() 関数で、オッズに対する乗法効果を計算します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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.____(____.____))

コードを編集して実行