負の二項回帰の当てはめ
負の二項分布は、分散が平均を上回る場合に対応できます。これは前の演習でデータ crab について確認した状況です。この演習では、対数リンク関数を用いたポアソン回帰の以前の当てはめを振り返り、同じく対数リンク関数を用いて負の二項モデルも当てはめます。
統計量がどのように変化するかを確認しましょう。
crab_pois モデルと crab 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
演習の手順
- 回帰モデルの式を、
satをwidthで予測する形で定義します。 NegativeBinomial()を使って負の二項モデルを当てはめ、crab_NBとして保存します。- ポアソンモデル
crab_poisと、新しく当てはめた負の二項モデルのサマリーを表示します。
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。
# Define the formula for the model fit
formula = '____ ~ ____'
# Fit the GLM negative binomial model using log link function
crab_NB = smf.glm(formula = ____, data = ____,
family = ____.____.____).____
# Print Poisson model's summary
print(____.____)
# Print the negative binomial model's summary
print(____.____)